無人機(jī)導(dǎo)航可以看作是機(jī)器人對(duì)如何安全、快速地到達(dá)目標(biāo)位置進(jìn)行規(guī)劃的過程，它主要依賴于當(dāng)前的環(huán)境和位置。為了順利完成預(yù)定任務(wù)，無人機(jī)必須充分了解其狀態(tài)，包括位置、導(dǎo)航速度、航向以及出發(fā)點(diǎn)和目標(biāo)位置。

到目前為止，已經(jīng)提出了各種導(dǎo)航方法，主要分為三類：慣性導(dǎo)航、衛(wèi)星導(dǎo)航和基于視覺的導(dǎo)航。然而，這些方法都不是完美的；因此，根據(jù)無人機(jī)的具體任務(wù)，采用合適的無人機(jī)導(dǎo)航系統(tǒng)是至關(guān)重要的。

隨著計(jì)算機(jī)視覺技術(shù)的飛速發(fā)展，基于視覺的導(dǎo)航成為自主導(dǎo)航的一個(gè)主要研究方向。首先，視覺傳感器能夠提供豐富的環(huán)境在線信息；第二，視覺傳感器高度敏感抗干擾能力強(qiáng)，適合感知?jiǎng)討B(tài)環(huán)境；第三，大多數(shù)視覺傳感器是被動(dòng)傳感器，這也阻止了傳感系統(tǒng)被檢測(cè)到。基于視覺的無人機(jī)導(dǎo)航完整示意圖如圖1所示。

圖1 基于視覺的無人機(jī)導(dǎo)航

視覺導(dǎo)航使用視覺傳感器。與GPS、激光閃電、超聲波傳感器等傳統(tǒng)傳感器相比，視覺傳感器可以獲取豐富的環(huán)境信息，包括顏色、紋理等視覺信息。

同時(shí)，它們更便宜、更易于部署，因此基于視覺的導(dǎo)航已成為研究領(lǐng)域的熱點(diǎn)。如圖2所示，視覺傳感器通常包括以下幾種：(a) 單目相機(jī)；(b) 立體相機(jī)；(c) RGB-D 相機(jī)；(d) 魚眼相機(jī) 。

圖2 典型的視覺傳感器

單目相機(jī)特別適用于緊湊性和最小重量至關(guān)重要的應(yīng)用，此外，較低的價(jià)格和靈活的部署使其成為無人機(jī)的不錯(cuò)選擇。然而，單目相機(jī)無法獲得深度圖。立體相機(jī)實(shí)際上是安裝在鉆機(jī)上的一對(duì)相同的單目相機(jī)，這意味著它不僅提供單個(gè)相機(jī)可以提供的所有功能，而且還提供從兩個(gè)視圖中受益的額外功能。最重要的是，它可以基于視差原理而不是紅外傳感器的幫助來估計(jì)深度圖。RGB-D相機(jī)可以借助紅外傳感器同時(shí)獲取深度圖和可見光圖像，但由于范圍有限，它們通常用于室內(nèi)環(huán)境。魚眼相機(jī)是單目相機(jī)的一種變體，它提供寬視角，對(duì)于復(fù)雜環(huán)境中的避障很有吸引力。

視覺定位與制圖 

考慮到導(dǎo)航、視覺定位和地圖系統(tǒng)中使用的環(huán)境和先驗(yàn)信息，可以大致分為三類：無地圖系統(tǒng)、基于地圖的系統(tǒng)和地圖構(gòu)建系統(tǒng)（圖3）。

圖3 視覺定位和地圖繪制系統(tǒng)

無地圖系統(tǒng)在沒有已知地圖的情況下執(zhí)行導(dǎo)航，而無人機(jī)僅通過提取已觀察到的環(huán)境中的不同特征來導(dǎo)航。目前，無地圖系統(tǒng)中最常用的方法是光流方法和特征跟蹤方法。

基于地圖的系統(tǒng)在地圖中預(yù)先定義環(huán)境的空間布局，使無人機(jī)具有繞行行為和運(yùn)動(dòng)規(guī)劃能力進(jìn)行導(dǎo)航。通常，有兩種類型的地圖：八叉樹地圖和占用網(wǎng)格地圖。不同類型的地圖可能包含不同程度的細(xì)節(jié)，從完整環(huán)境的 3D 模型到環(huán)境元素的互連。

有時(shí)，由于環(huán)境限制，很難使用預(yù)先存在的準(zhǔn)確環(huán)境地圖進(jìn)行導(dǎo)航。而且，在一些緊急情況下（如救災(zāi)），事先獲得目標(biāo)區(qū)域的地圖是不切實(shí)際的。因此在這種情況下，在飛行的同時(shí)構(gòu)建地圖將是一個(gè)更具吸引力和效率的解決方案。地圖構(gòu)建系統(tǒng)已廣泛應(yīng)用于自主和半自主領(lǐng)域，并且隨著視覺同步定位和建圖（visual SLAM）技術(shù)的快速發(fā)展而變得越來越流行。

障礙物檢測(cè)與避障

避障是自主導(dǎo)航不可或缺的模塊，因?yàn)樗梢詸z測(cè)并提供附近障礙物的基本信息，減少碰撞風(fēng)險(xiǎn)以及飛行員的操作錯(cuò)誤。因此，它可以大大增加無人機(jī)的自主性。

避障的方法主要有兩種：基于光流的方法和基于SLAM的方法?；诠饬?，它能夠生成局部信息流并獲得圖像的深度。這種方法模擬了人眼的機(jī)制，即視場(chǎng)中的物體隨著您的距離越來越近而變大。基于這個(gè)原理，它可以通過比較連續(xù)圖像來檢測(cè)障礙物，并找出障礙物是否越來越近。

然而，基于光流的方法無法獲得精確的距離，這可能會(huì)限制在某些特定任務(wù)中的使用。相比之下，基于 SLAM 的方法可以通過復(fù)雜的 SLAM 算法提供精確的度量地圖，因此無人機(jī)可以導(dǎo)航和避開具有更多環(huán)境信息的障礙物。

路徑規(guī)劃

路徑規(guī)劃是無人機(jī)導(dǎo)航中的一項(xiàng)重要任務(wù)，它是指根據(jù)一些性能指標(biāo)（如最低工作成本、最短飛行時(shí)間、最短飛行路線）尋找從起點(diǎn)到目標(biāo)點(diǎn)的最佳路徑。而在這個(gè)過程中，無人機(jī)需要避開障礙物。根據(jù)用于計(jì)算最優(yōu)路徑的環(huán)境信息類型，該問題可以分為兩類：全局路徑規(guī)劃和局部路徑規(guī)劃。

全局路徑規(guī)劃器需要構(gòu)建地圖內(nèi)的起始位置和目標(biāo)位置來計(jì)算初始路徑，因此全局地圖也稱為靜態(tài)地圖。全局路徑規(guī)劃常用的算法包括啟發(fā)式搜索方法和一系列智能算法。

局部路徑規(guī)劃基于局部環(huán)境信息和無人機(jī)自身的狀態(tài)估計(jì)，旨在動(dòng)態(tài)規(guī)劃局部路徑而不發(fā)生碰撞。由于動(dòng)態(tài)環(huán)境中物體的運(yùn)動(dòng)等不確定因素，動(dòng)態(tài)環(huán)境中的路徑規(guī)劃成為一個(gè)高度復(fù)雜的問題。在這種情況下，路徑規(guī)劃算法需要適應(yīng)環(huán)境的動(dòng)態(tài)特性，通過各種傳感器獲取環(huán)境未知部分的信息（如大小、形狀和位置）。

盡管無人機(jī)與地面移動(dòng)機(jī)器人共享類似的導(dǎo)航解決方案，但在涉及基于視覺的無人機(jī)導(dǎo)航時(shí)，我們?nèi)匀幻媾R許多挑戰(zhàn)。無人機(jī)需要實(shí)時(shí)處理大量傳感器信息才能安全穩(wěn)定飛行，尤其是圖像處理，大大增加了計(jì)算復(fù)雜度。因此，在低功耗和有限計(jì)算資源的約束下導(dǎo)航成為無人機(jī)的一大挑戰(zhàn)。