盘点近些年无人机避障技术的发展

零度Xplorer 2无人机采用的就是TOF避障系统。在零度Xplorer 2无人机悬停状态下，TOF系统会保持每秒钟旋转2-5圈的快速旋转状态。这样就可以使TOF在旋转的过程中完成对周围有效半径内的360°范围进行快速扫描，从而用较快的速度发现障碍，然后对飞控系统发出调整位置的指令，避免对周围的人或财物造成伤害；而当无人机在飞行的过程中，TOF系统则会停止旋转，只把光发射到无人机前进的方向上。固定方向的时候，在室外的有效距离可以增加到8-10米。对于一般无人机来说，每秒的飞行距离也就是10米左右，检测到障碍物之后1秒的反应时间，无人机可以用一个较大的加速度来停止前进，这就足够了。

　　但是和超声波同样，光波也会受到干扰。目前城市环境下楼宇间的光污染，给TOF避障系统带来了难题，系统发出的光，必须避开太阳光的主要能量波段，从而避免太阳光的直射、反射等对避障系统造成干扰。从而就进一步需要非常精准的时间测量，乃至需要专用处理芯片，而目前来说，芯片价格则较为高昂。

　　三、视觉图像复合型技术

　　视觉图像符合型技术通过高清摄像机拍摄帧速足够高、清晰、分辨率高的图像，借助一颗足够小而性能强大的处理器，分析每一帧图像中是否存在障碍物。视觉图像复合型技术随着移动芯片的运算能力的飞跃而越来越成为无人机避障首选。

　　智能避障系统"Guidance"就是典型的视觉图像复合型技术。Guidance系统的前后左右下五个方向都有专门进行障碍识别的摄像头，识别机制也有超声波和图像视觉两种。也就是说，除了常规的超声波模块以外，5个方向上还专门放置了摄像头用于获取视觉图像，然后直接传输到机载的l处理器进行计算处理。

　　进入消费级无人机市场时间较早的Parrot，也在跟英伟达（Nvidia）进行避障方面的合作，同样采用了包含机器视觉的复合型避障系统。麻省理工学院计算机科学和人工智能实验室也通过此技术探索避障技术，不过他们是通过2块手机芯片进行实时图像处理后，寻找出可以飞行的自由空间，而不是识别障碍物后再进行躲避。可以说是非常主动的一种方法。但是，这款无人机只能处理几秒钟内的视频数据，而不是会生成一个完整的区域地图，毕竟现有手机芯片的处理能力还很有限。

　　四、Real Sense技术

　　微软和英特尔联合开发的RealSense 3D摄像头，利用自身的红外发射器向目标物"主动打光"，通过捕捉和定位光的扭曲变化自动计算并构建出覆盖区域内的三维模型，并借助自身的处理器完成基础数据的整合、借助搭载设备的处理器进行更复杂的操作，从而自动调整自身以避开障碍物。

　　RealSense本质上也是类似于XBOX360外接的3D体感摄像机的红外结构光投影方案。所不同的是，RealSense所投影的是一系列动态变化的图案，而非Kinect那样的固定图案。因此，也造成了虽然RealSense的分辨率高，也更稳定，但帧频却不如Kinect的情况，实际效果也没有体现出所期待的优势。

　　五、雷达

　　雷达，应用最多的还是军事领域，在民用阶段还是很少使用！而用在消费级无人机上更是没有先例！

　　但前不久，在美国纽约州雪城举办的无人机交通管制峰会（Unmanned Traffic Management ConvenTIon - UTM 2016），举行了一场无人机避障飞行比赛。无人机方案提供企业Aerotenna获得了此次峰会比赛的冠军。

　　除了精彩的比赛，还有无人机的避障技术也称为当时的热点！与通常无人机采用的超声波或双目等方案避障不同的是，Aerotenna的避障方案采用以雷达技术为基础的µSharp 360度微波雷达，同时搭载了雷达高度计µLanding作为室内定高，在障碍规避上效果相对传统方案占了明显优势。

　　但是雷达的成本相比于其他的避障技术还是比较高的！

　　目前把雷达方案做到无人机上，成本相比双目、超声是要稍微贵一些，但并不是贵得离谱。举一个价位的参考的例子，"超声波"好一点的一两百（人民币），双目摄像头稍微好一点大约六百到一千，微波雷达目前大约在千元左右（根据解决方案的不同价位也不尽相同），但是这个价格也受生产量的影响，将来产量上去了也会相应降一些。

　　但是由于雷达的可靠性、受环境影响较小的优势，在将来的无人机避障技术上肯定会大放异彩的！

　　六、电子地图

　　当飞行目标区域被模型化为一张精确的三维立体地图，借助GPS等导航系统，就可以能够实现避开障碍物自主飞行。

在无人机上预先载入目标区域的三维立体地图，就能知道障碍物的具体位置，从而在飞行时候就提前避开它。而且在飞行的时候，无人机还可以从多条路径中选择出最优路径，这样可以大大加快