三、避障传感器

各种无人机单独或组合使用以下避障传感器；

1、Stereo Vision-立体视觉。

2、Ultrasonic (Sonar)-超声波（声纳）。

3、Time of Flight-TOF是飞行时间（Time of Flight）技术的缩写，即传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。（）

4、Lidar-激光雷达

5、Infrared-红外线。

6、Monocular Vision-单眼视觉。

四、什么是障碍物检测和避免碰撞技术 

对于无人驾驶飞机，汽车或机器人而言，要检测物体然后采取行动来避免障碍物（无论是停在物体上还是在物体上方），涉及到许多复杂的技术，这些技术共同作用以创建一个集成系统。这需要许多不同的传感器，软件编程，其中包括数学建模，算法，机器学习和SLAM技术的各个方面。让我们快速看一下这些各种技术。

1、传感器融合

传感器融合是一个过程，通过该过程可以“融合”来自多个不同传感器的数据，以计算出超出仅由任何一个传感器确定的结果。传感器融合是数据融合的子类别，也称为多传感器数据融合或传感器数据融合。许多DJI无人机将各种传感器组合到防撞系统中。

传感器融合的另一个领域是在精密农业中使用无人机上的多光谱传感器。多光谱遥感成像技术使用绿色，红色，红色边缘和近红外波段来捕获农作物和植被的可见图像和不可见图像。

这些各种避障传感器将数据反馈给运行障碍检测软件和算法的飞行控制器。飞行控制器具有许多功能。其中之一是处理由障碍物检测传感器实时扫描的周围环境的图像数据。

2、避障算法

避障算法是计算来自各种传感器的数据时要遵循的过程或一组规则。该算法是详细的逐步指令集或公式，用于解决检测所有类型的运动或静止物体的问题。

取决于算法，它将能够比较来自存储的对象参考图像的实时数据，甚至可以基于这些图像。

有许多可用于避障的技术，包括算法如何处理数据。最佳技术取决于特定的环境，并且对于工厂中的防撞无人机和机器人而言是不同的。

这是一个不错的网页，其中介绍了避障技术。它为您提供了一种用于以非常简单的方式检测对象的技术的技巧。

该算法非常重要。您可能拥有最好的障碍物检测传感器，但是如果软件和算法编写不当，那么来自传感器的数据将不会被错误地解释，从而导致飞行错误和无人机坠毁。

3、SLAM技术用于检测和避免障碍

当涉及到无人机，汽车和机器人来检测和避开障碍物时，同时定位和制图或SLAM是一项极为重要的技术。

SLAM是一个过程，机器人或设备可以通过它创建周围环境的地图，并在该地图上实时正确地定向自己。这并非易事，SLAM目前处于技术研究和设计的最前沿。

SLAM技术的工作原理是首先建立其环境的预先存在的地图。诸如无人机或机器人之类的设备已使用预先存在的地图进行了编程。然后，当机器人或无人驾驶飞机在环境中移动时，会对此地图进行完善。

这项技术的真正挑战是准确性。当机器人或无人驾驶飞机在其空间中移动时，必须不断进行测量，并且技术必须考虑到设备移动和测量方法不准确所带来的“噪音”。

SLAM是令人着迷的技术，您可以在标题为“什么是SLAM技术”的文章中阅读有关它的更多信息。无人机中的许多障碍物检测和避免技术都使用SLAM的某些部分。单眼视觉就是这样一种技术。

4、完全避障系统–飞行控制器

一旦检测到物体，每架无人机的操作会有细微的差别。传感器扫描周围环境并将该信息反馈给飞行控制系统，该系统将控制避障算法。然后，飞行控制器将根据对算法中可视数据的解释来引导无人机，无论是在障碍物上方，上方飞行还是悬停在障碍物前方。

5、障碍物检测以跟踪和跟踪对象

这些障碍物检测传感器不仅可以检测物体并在其周围导航，还可以防止撞到障碍物而做更多的工作。上面列出的所有无人机都将其视觉传感器与高级图像识别算法一起使用，以使四轴飞行器能够识别和跟踪物体。这些障碍物检测传感器和算法可以检测人员，车辆，动物和许多其他物体。

在DJI无人机上，该技术被称为ActiveTrack，具有以下选择

跟踪–跟随对象的后面或前面，自动避开障碍物。

轮廓–以各种角度与对象并排飞行以获取对象的轮廓照片。

聚光灯–飞机几乎在任何地方飞行时，都要对相机进行主体训练。

Phantom 4和Mavic下方的超声波传感器使这些无人机可以在地形跟随模式下跟踪地面。基本上，这些无人机会自动停留在离地面相同的高度。