無人機導航可以看作是機器人對如何安全、快速地到達目標位置進行規劃的過程，它主要依賴于當前的環境和位置。為了順利完成預定任務，無人機必須充分了解其狀態，包括位置、導航速度、航向以及出發點和目標位置。
到目前為止，已經提出了各種導航方法，主要分為三類：慣性導航、衛星導航和基于視覺的導航。然而，這些方法都不是完美的；因此，根據無人機的具體任務，采用合適的無人機導航系統是至關重要的。
隨著計算機視覺技術的飛速發展，基于視覺的導航成為自主導航的一個主要研究方向。首先，視覺傳感器能夠提供豐富的環境在線信息；第二，視覺傳感器高度敏感抗干擾能力強，適合感知動態環境；第三，大多數視覺傳感器是被動傳感器，這也阻止了傳感系統被檢測到。
自動分揀機器人的應用現狀視覺導航使用視覺傳感器。與GPS、激光閃電、超聲波傳感器等傳統傳感器相比，視覺傳感器可以獲取豐富的環境信息，包括顏色、紋理等視覺信息。
同時，它們更便宜、更易于部署，因此基于視覺的導航已成為研究領域的熱點。如圖2所示，視覺傳感器通常包括以下幾種：
單目相機
立體相機
傳送帶分揀機器人RGB-D相機
魚眼相機
單目相機特別適用于緊湊性和最小重量至關重要的應用，此外，較低的價格和靈活的部署使其成為無人機的不錯選擇。然而，單目相機無法獲得深度圖。立體相機實際上是安裝在鉆機上的一對相同的單目相機，這意味著它不僅提供單個相機可以提供的所有功能，而且還提供從兩個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深度圖。RGB-D相機可以借助紅外傳感器同時獲取深度圖和可見光圖像，但由于范圍有限，它們通常用于室內環境。魚眼相機是單目相機的一種變體，它提供寬視角，對于復雜環境中的避障很有吸引力。
視覺定位與制圖
考慮到導航、視覺定位和地圖系統中使用的環境和先驗信息，可以大致分為三類：無地圖系統、基于地圖的系統和地圖構建系統。
無地圖系統在沒有已知地圖的情況下執行導航，而無人機僅通過提取已觀察到的環境中的不同特征來導航。目前，無地圖系統中最常用的方法是光流方法和特征跟蹤方法。
基于地圖的系統在地圖中預先定義環境的空間布局，使無人機具有繞行行為和運動規劃能力進行導航。通常，有兩種類型的地圖：八叉樹地圖和占用網格地圖。不同類型的地圖可能包含不同程度的細節，從完整環境的3D模型到環境元素的互連。
有時，由于環境限制，很難使用預先存在的準確環境地圖進行導航。而且，在一些緊急情況下，事先獲得目標區域的地圖是不切實際的。因此在這種情況下，在飛行的同時構建地圖將是一個更具吸引力和效率的解決方案。地圖構建系統已廣泛應用于自主和半自主領域，并且隨著視覺同步定位和建圖技術的快速發展而變得越來越流行。
障礙物檢測與避障
避障是自主導航不可或缺的模塊，因為它可以檢測并提供附近障礙物的基本信息，減少碰撞風險以及飛行員的操作錯誤。因此，它可以大大增加無人機的自主性。
避障的方法主要有兩種：基于光流的方法和基于SLAM的方法。基于光流，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制，即視場中的物體隨著您的距離越來越近而變大。基于這個原理，它可以通過比較連續圖像來檢測障礙物，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，這可能會限制在某些特定任務中的使用。相比之下，基于SLAM的方法可以通過復雜的SLAM算法提供精確的度量地圖，因此無人機可以導航和避開具有更多環境信息的障礙物。
路徑規劃
路徑規劃是無人機導航中的一項重要任務，它是指根據一些性能指標（如最低工作成本、最短飛行時間、最短飛行路線）尋找從起點到目標點的最佳路徑。而在這個過程中，無人機需要避開障礙物。根據用于計算最優路徑的環境信息類型，該問題可以分為兩類：全局路徑規劃和局部路徑規劃。兩種路徑規劃方法的說明如圖4所示。
垃圾分揀機器人定制圖4全局和局部路徑規劃
全局路徑規劃器需要構建地圖內的起始位置和目標位置來計算初始路徑，因此全局地圖也稱為靜態地圖。全局路徑規劃常用的算法包括啟發式搜索方法和一系列智能算法。
局部路徑規劃基于局部環境信息和無人機自身的狀態估計，旨在動態規劃局部路徑而不發生碰撞。由于動態環境中物體的運動等不確定因素，動態環境中的路徑規劃成為一個高度復雜的問題。在這種情況下，路徑規劃算法需要適應環境的動態特性，通過各種傳感器獲取環境未知部分的信息。
盡管無人機與地面移動機器人共享類似的導航解決方案，但在涉及基于視覺的無人機導航時，我們仍然面臨許多挑戰。無人機需要實時處理大量傳感器信息才能安全穩定飛行，尤其是圖像處理，大大增加了計算復雜度。因此，在低功耗和有限計算資源的約束下導航成為無人機的一大挑戰。
分揀機器人結構組成介紹物流中心自動分揀機器人自動分揀機器人的構成