如何解决大疆无人机编程培训加盟机器人“计算机视觉”的问题

解决无人机机器人如何“看”的问题，也就是大家常听到的计算机视觉（Computer Vision）。其基础在于如何能够从二维的图像中获取三维信息，从而了解我们身处的这个三维世界。视觉识别系统通常来说可以包括一个或两个摄像头。单一的照片只具有二维信息，犹如2D电影，并无直接的空间感，只有靠我们自己依靠“物体遮挡、近大远小”等生活经验脑补。故单一的摄像头获取到的信息及其有限，并不能直接得到我们想要的效果（当然能够通过一些其他手段，辅助获取，但是此项还不成熟，并没有大规模验证）。类比到机器视觉中，单个摄像头的图片信息无法获取到场景中每个物体与镜头的距离关系，即缺少三个维度。单一的图片具有很强的迷惑性和不确定性：

双目立体视觉犹如3D电影（左右眼看到的场景略有差异），能够直接给人带来强烈的空间临场感。类比机器视觉，从单个摄像头升级到两个摄像头，即立体视觉（Stereo Vision）能够直接提供三个维度的信息，即景深（depth），能够更为简单的获取到三维信息。双目视觉常见的例子就是我们的双眼：我们之所以能够准确的拿起面前的杯子、判断汽车的远近，都是因为双眼的双目立体视觉，而3D电影、VR眼镜的发明，也都是双目视觉的应用。双目视觉的基本原理是利用两个平行的摄像头进行拍摄，然后根据两幅图像之间的差异（视差），利用一系列复杂的算法计算出特定点的距离，当数据足够时还能生成深度图。

为什么双目视觉能够在无人机应用中脱颖而出？其实，各个避障技术在无人机上都有用武之地，只是应用场景有所不同，特别对于前视避障而言，有些技术就不适用了。红外和超声波技术，因为都需要主动发射光线、声波，所以对于反射的物体有要求，比如：红外线会被黑色物体吸收，会穿透透明物体，还会被其他红外线干扰；而超声波会被海绵等物体吸收，也容易被桨叶气流干扰。而且，主动式测距还会产生两台机器相互干扰的问题。相比之下，虽然双目视觉也对光线有要求，但是对于反射物的要求要低很多，两台机器同时使用也不会互相干扰，普适性更强。

重要的是，常见的红外和超声波目前都是单点测距，只能获得特定方向上的距离数据，而双目视觉可以在小体积、低功耗的前提下，获得眼前场景的比较高分辨率的深度图，这就让避障功能有了更多的发展空间，比如避障之后的智能飞行、路径规划等。激光技术虽然也能实现类似双目视觉的功能，但是受限于技术发展，目前的激光元件普遍价格贵、体积大、功耗高，应用在消费级无人机上既不经济也不实用。所以各方比较之下，性价比高、原理简单、前景广阔、普遍适用的双目视觉就这样脱颖而出了。

精灵4Pro上的五向避障可以说是无人机避障技术的集中体现，因此我们以精灵4Pro举例说明。P4P前后的避障都采用了双目视觉系统，相比精灵4而言，仅双目视觉部分的数据量就翻了一倍。向下采用双目视觉+超声波的组合避障，以提高在不同环境中飞行的稳定性和安全性。而飞行器左右的避障则采用了红外线避障。