无人机的障碍回避我应该采取哪种方法？

Question

这是我在这里的第一篇文章，大家好。在

我正在做一个项目，其中包括用c++或python编写一个程序来检测障碍物，并将用于无人机2.0条。但是，我不知道我应该采取哪种方法。在

最初，我被建议使用opencv和optocal flow。我找到了一些关于它的视频和文件，其中一种方法是：把每一帧无人机在2（左侧/右侧）或4（另外上下）上安装摄像头，并计算每个部件的光流。然后，朝光流较少的方向飞行。在

不过，我对此有些怀疑：

1）我应该使用哪种光流计算方法？我知道opencv中提供了计算稠密或稀疏光流的方法。我应该在这个申请中选择哪一个？密集的光流不会太慢而无法满足实时要求吗？在

2）我想，当无人机左右或上下移动时，我会得到一些“假”矢量，这是由于无人机的移动而不是因为迫在眉睫的障碍物。如何预防？在

另一个解决方案告诉了我一个显示了here（描述中的论文链接）的方法和实现它的人github link但是作者承认他“从来没有在无人机上正确地进行障碍检测”。在

我被告知的另一个选择是在无人机上安装一个realsense摄像头，并以某种方式使用它提取障碍物的信息。在

所以，我的问题是——我应该走哪条路？或者，是否有其他方法可以用于我描述的应用程序，并且相对容易实现？在

提前感谢您的回复。在

Answer 1

我不确定你的项目范围，不管这是否是学术或专业，但我的建议是使用控制图像的目标检测，相机正对着无人机。如果目标被检测到，你可以根据它的大小估计它与你的无人机的距离。因为这是一个控制图像，它应该有一个恒定的大小，你应该记录多少像素在不同的距离你的相机。这样你就可以建立一个模型。一旦你知道物体有多远，你就可以确定它是否是障碍物。在

一旦探测器变得足够大，确定它是否在飞行路径上。然后移动无人机，使探测箱的坐标不再在飞行轨迹中。在

对于检测，您可以使用Google's detection api，它带有许多实体检测器/分类器，或者如果您希望为项目添加一个深度层，您可以自己训练。PyImageSearch是一个很好的起点。如果你觉得自己很科学，你可以直接进入Tensorflow。在

祝你好运！在

Answer 2

试试开源项目https://github.com/generalized-intelligence/GAAS 它使用立体摄像机和猛击来探测障碍物。在