基于视觉的无人机导航综述

⭐视觉定位与制图 

考虑到导航、视觉定位和地图系统中使用的环境和先验信息，可以大致分为三类：无地图系统、基于地图的系统和地图构建系统（图3）。

无地图系统在没有已知地图的情况下执行导航，而无人机仅通过提取已观察到的环境中的不同特征来导航。目前，无地图系统中最常用的方法是光流方法和特征跟踪方法。

基于地图的系统在地图中预先定义环境的空间布局，使无人机具有绕行行为和运动规划能力进行导航。通常，有两种类型的地图：八叉树地图和占用网格地图。不同类型的地图可能包含不同程度的细节，从完整环境的 3D 模型到环境元素的互连。

有时，由于环境限制，很难使用预先存在的准确环境地图进行导航。而且，在一些紧急情况下（如救灾），事先获得目标区域的地图是不切实际的。因此在这种情况下，在飞行的同时构建地图将是一个更具吸引力和效率的解决方案。地图构建系统已广泛应用于自主和半自主领域，并且随着视觉同步定位和建图（visual SLAM）技术的快速发展而变得越来越流行。

⭐障碍物检测与避障

避障是自主导航不可或缺的模块，因为它可以检测并提供附近障碍物的基本信息，减少碰撞风险以及飞行员的操作错误。因此，它可以大大增加无人机的自主性。

避障的方法主要有两种：基于光流的方法和基于SLAM的方法。基于光流，它能够生成局部信息流并获得图像的深度。这种方法模拟了人眼的机制，即视场中的物体随着您的距离越来越近而变大。基于这个原理，它可以通过比较连续图像来检测障碍物，并找出障碍物是否越来越近。

然而，基于光流的方法无法获得精确的距离，这可能会限制在某些特定任务中的使用。相比之下，基于 SLAM 的方法可以通过复杂的 SLAM 算法提供精确的度量地图，因此无人机可以导航和避开具有更多环境信息的障碍物。

⭐路径规划

路径规划是无人机导航中的一项重要任务，它是指根据一些性能指标（如最低工作成本、最短飞行时间、最短飞行路线）寻找从起点到目标点的最佳路径。而在这个过程中，无人机需要避开障碍物。根据用于计算最优路径的环境信息类型，该问题可以分为两类：全局路径规划和局部路径规划。两种路径规划方法的说明如图4 所示。

全局路径规划器需要构建地图内的起始位置和目标位置来计算初始路径，因此全局地图也称为静态地图。全局路径规划常用的算法包括启发式搜索方法和一系列智能算法。

局部路径规划基于局部环境信息和无人机自身的状态估计，旨在动态规划局部路径而不发生碰撞。由于动态环境中物体的运动等不确定因素，动态环境中的路径规划成为一个高度复杂的问题。在这种情况下，路径规划算法需要适应环境的动态特性，通过各种传感器获取环境未知部分的信息（如大小、形状和位置）。