Mavic Air：从随行无人机看大疆的L3自动驾驶

今年初，大疆发布了一款Mavic系列的新成员——Mavic Air随行无人机，号称全球最便携的可折叠无人机。Mavic Air的重量有430克，最长飞行时间为21分钟，最大飞行速度可达68公里/小时，主打智能飞行和球型全景。

从续航、图传距离等性能指标上来看，Mavic Air的定位似乎介于Mavic Pro和Spark之间。但从支持智能功能的角度来说，Mavic Air比起Mavic Pro只有过之而无不及。其中最值得一提的是全新的以手势控制为核心的「慧拍」功能，其效果可见以下视频。

可以看到，「慧拍」相比于Spark的手势操控来说，在体验上有了质的提升，这也许就是改叫「慧拍」的主要原因。雷锋网(公众号：雷锋网)今天借该功能来管中窥豹，聊一下大疆在自主飞行上的技术积累。

「慧拍」——随行摄影师

玩无人机的同学都知道，拍照和操控方式是消费级无人机最重要的两个方面。大疆的各个产品也一直都围绕着提升拍照和遥控器的便携化来展开。尤其对于入门级用户来说，遥控器操作是一个相当高的门槛。例如像拍摄跟随、刷锅这样的镜头，需要同时操作飞机的姿态及云台的俯仰角来对准目标来拍摄，即使对于专业的航模爱好者来说，也是有相当的难度，更不用说入门级用户。

Mavic Air推出的慧拍功能，主要意图就在对人像进行跟随、拍摄和操控调整视角这一典型场景的全覆盖，尤其对于时奔跑、跳跃、骑车、攀岩这样的场景，以往想要完成拍摄，一定需要一个非常有经验的专业飞手来辅助才可以，而慧拍功能就时为了解决这部分用户使用无人机的痛点。

从教学视频当中可以看出，用户可以通过手势的方式控制无人机的起飞、降落，也可以调整机位角度、和远近距离（2米~6米），更细心的是，即使当用户放下双手，飞机也会始终保持跟随拍摄目标，并且云台会始终锁定在目标身上，使得目标保持在画面的中间。

据雷锋网亲测，Mavic Air对于人的跟随准确度和流畅度，比之前Phantom 4和Mavic Pro的Activetrack有了很大程度的提升，并且在奔跑、跳跃、骑车、攀岩等场景做了强化。

当用户使用单手手势控制到合适的拍摄角度，双手手势控制到合适的拍摄距离，并找到合适的拍摄地点后，做出yeah或者相框手势，Mavic Air就会进行拍照或者录像动作。如果这时候有两个人同时做出yeah手势，还会触发集体照的彩蛋，进行三个角度的拍摄。

可以看到，启动慧拍功能后，Mavic Air化身成为用户的随行摄影师，不仅能够跟随用户运动而运动，还能够理解用户的手势来调整拍摄角度、拍摄距离和进行拍摄动作。起飞，跟随，控制，拍摄，降落整个过程一气呵成，在完全脱离遥控器的情况下，用户依然可以对Mavic Air进行灵活的操控。

根据实际评测使用中可以发现，启动慧拍模式后，通过手掌自如地控制6米外的Mavic Air进行飞行和拍摄，如同实现了Phantom X中隔空操纵无人机，可谓相当酷炫。另外，慧拍，或许会是热爱户外运动的用户的福音——在进行跑步、踢球、骑车、攀岩、滑雪等运动的时候，往往不太方便使用遥控器来操作无人机对自己进行拍摄。而在这些场景下启动慧拍功能，这个问题就能够在较大程度上得到解决。

PhantomX概念片中，神盾局特工主演汪可盈手势操纵无人机飞行

「慧拍」背后的技术

Mavic Air慧拍这一功能背后，是大疆在无人机自主飞行技术上的创新和突破。这涉及到多个学科、多个层面的深入技术积累和锤炼。具体来说，包括物体检测和跟踪、手部手势识别与跟踪、肢体手势识别、多传感器融合定位、深度图测距与建图、路径规划、以及控制等技术，并且克服各个单点技术的缺陷，将它们有机地整合在一起。应该说，慧拍背后的技术，是大疆在计算机视觉、人工智能、机器人这颗技术树上，点的最为全面的一次。

物体检测与跟踪

物体检测，指的是找到画面中的感兴趣物体（比如行人、车辆、船只等）并框出来。目前采用的主流算法框架大都基于Faster R-CNN[1]。

物体跟踪，指的是用户选择了要跟踪的物体后，如果该物体以后移动了、姿态变化了，依然能够将其找到并框出来。其中GOTURN[2]算法能够达到每秒100帧以上的处理速度。

手部手势识别与跟踪

一般常说的手势识别其实有两种，一种是更关注于手部（手掌、手指关节），比如Deep Hand[3]可以识别用户是否张开手掌，比yeah；另外一种是则更关注于肢体与手臂的相对位置，比如类似CPM[4]可以识别用户平举双手、抬起单手等。从慧拍的实现方式上推测，或许是同时兼顾了上述两种技术。另外，手势跟踪能够利用上时序信息，将手势识别的结果变得更加稳定、可靠。

多传感器融合定位

Mavic Air上具有视觉、IMU、TOF等多种传感器，使用VIO技术进行融合后，能够构成足够的冗余，当单一传感器失效的时候，依然能够较好地估计自己的姿态和位置。

深度图测距与建图

深度图的产生方法有多种，比如可以通过TOF传感器直接得到，也可以通过双目立体视觉来计算得到，得到深度图后，无人机能够知道环境中各物体距离自身的远近，再配合多传感器融合定位，能够建立三维地图，供后续避障或者轨迹规划使用。

轨迹规划

轨迹规划，指的是用户指定某个目标地点，无人机需要结合自身定位和建好的地图，推算出一条通往目标地点的轨迹，为了最优化路径以及后续控制上的平滑，需要考虑满足某些约束，比如考虑了最小化速度的导数等。

无人机控制

在轨迹规划之后，需要通过控制算法改变无人机的飞行姿态，从而完成既定的轨迹，这部分常用的算法是PID控制算法。

在上述算法中，有不少算法需要耗费巨大的计算资源，比如物体检测与跟踪、手部和肢体的姿势识别等。能在Mavic Air紧凑的机身里面浓缩集成如此高密度和高计算强度的算法，并有机整合成慧拍功能，反映出来大疆在各个相关领域的深入积累。

「空中的L3自动驾驶」——Mavic Air

大家可能会疑惑，Mavic Air又不是无人车，为何可以说是“自动驾驶”呢？其实，无人机与无人车虽然一个在天上飞，一个在地上跑，在动力系统、控制系统、硬件平台上确实需要因地制宜。但另一方面，这两者的内核都是要实现“无人”二字，即智能化程度要足够高。而在无人机上的智能化，称为自主飞行，在无人车上的智能化，称为自动驾驶。

自动驾驶的等级一般划分为L0~L5。L0为完全受控驾驶，即完全靠人类来驾驶；L1为驾驶辅助，一般我们常说的“ADAS”属于这个级别，能够具有前向碰撞提醒、车道线偏离预警等功能，具有一定的安全提醒功能；L2称为部分自动驾驶，特斯拉使用的AutoPilot系统属于这个级别，提供了自主巡航功能，能够在较为简单的路况下自动驾驶，但需要司机紧握方向盘以准备随时接管；L3是有条件的自动驾驶，预计在今年4月开售的全新奥迪A8宣称它是首款实现了L3的量产车型，在限速60公里的条件下，能够在较为复杂的路况下进行自动驾驶，并允许司机双手离开方向盘。L4与L5由于目前没有对应的量产车型，不在这里展开。

仿照自动驾驶的分级，可以给出自主飞行的分级，如下表所示：

在表格中可以看到，启动了慧拍功能的Mavic Air，在诸多核心技术加持下，已经能够达到L3的自主飞行。它在特定的场景下脱离遥控器使用，可类比于在L3的自动驾驶中允许司机的双手离开方向盘。

可以说，大疆从来没有停止过在计算机视觉、人工智能、机器人等的技术的探索，而这些技术构成了大疆最为核心的竞争力，足以在Mavic Air上支撑起了一整套“空中自动驾驶”的解决方案——慧拍。

参考文献：

[1] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

[2] Learning to Track at 100 FPS with Deep Regression Networks

[3] Deep Hand: How to Train a CNN on 1 Million Hand Images When Your Data Is Continuous and Weakly Labelled

[4] Convolutional Pose Machines