红外避障

红外线的应用我们并不陌生：从电视、空调的遥控器，到酒店的自动门，都是利用的红外线的感应原理。而具体到无人机避障上的应用，红外线避障的常见实现方式就是“三角测量原理”。

红外感应器包含红外发射器与CCD检测器，红外线发射器会发射红外线，红外线在物体上会发生反射，反射的光线被CCD检测器接收之后，由于物体的距离D不同，反射角度也会不同，不同的反射角度会产生不同的偏移值L，知道了这些数据再经过计算，就能得出物体的距离了。

超声波避障

超声波其实就是声波的一种，因为频率高于20kHz，所以人耳听不见，并且指向性更强。

超声波测距的原理比红外线更加简单，因为声波遇到障碍物会反射，而声波的速度已知，所以只需要知道发射到接收的时间差，就能轻松计算出测量距离，再结合发射器和接收器的距离，就能算出障碍物的实际距离。

超声波测距相比红外测距，价格更加便宜，相应的感应速度和精度也逊色一些。同样，由于需要主动发射声波，所以对于太远的障碍物，精度也会随着声波的衰减而降低，此外，对于海绵等吸收声波的物体或者在大风干扰的情况下，超声波将无法工作。

激光避障

激光避障与红外线类似，也是发射激光然后接收。不过激光传感器的测量方式很多样，有类似红外的三角测量，也有类似于超声波的时间差+速度。但无论是哪种方式，激光避障的精度、反馈速度、抗干扰能力和有效范围都要明显优于红外和超声波。

但这里注意，不管是超声波还是红外、亦或是这里的激光测距，都只是一维传感器，只能给出一个距离值，并不能完成对现实三维世界的感知。当然，由于激光的波束极窄，可以同时使用多束激光组成阵列雷达，近年来此技术逐渐成熟，多用于自动驾驶车辆上，但由于其体积庞大，价格昂贵，故不太适用于无人机。

视觉避障

解决机器人如何“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，即缺少第三个维度。

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。

最重要的是，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。