昆虫非常擅长不碰到东西，并且擅长碰到事物和幸存，但有针对性的，准确的精确飞行对他们来说要困难得多。像蜜蜂一样可爱的昆虫，它们模糊的小眼镜中没有足够的空间用于花式传感和计算系统。尽管它们的体积很小，但蜜蜂能够进行精确的飞行操作，这也是一件好事，因为它们的房屋通常位于不比它们大得多的洞的另一侧。

蜜蜂通过一种极简主义的蛮力方法解决问题：它们飞到一个小洞或间隙，盘旋，来回徘徊一点点收集关于间隙边缘的视觉信息，以及然后引导自己。它不是很快，并不是特别优雅，但它可靠并且不需要太多执行。

可靠且不需要太多执行是总结下一代实用机器人焦点的一种方式 - 换句话说，机器人平台提供可承受的现实世界自治。马里兰大学的Perception and Robotics Group一直致力于开发一种系统，该系统允许无人机仅使用一台摄像机和机载处理即可飞越非常小且完全未知的间隙。它基于蜜蜂启发的策略，成功率达到85%。

我们之前已经发布了关于自动无人机 飞过小间隙的信息，但这里的最大区别是，在这种情况下，无人机事先没有关于间隙位置或大小的信息。它不需要建立任何类型的环境或间隙模型的3D地图，这很好，因为用单眼相机会很烦人。相反，UMD的策略是“恢复足以完成所考虑任务的最少量信息”。

为了检测间隙的位置，无人机使用光流技术。它需要一张照片，移动一点，然后拍摄另一张照片。它识别出每张图片中的相似特征，并且由于视差，间隙后面的更远的特征似乎比间隙周围的更近的特征移动得更少。间隙的边缘是您在功能看起来移动的数量之间有最大差异的地方。现在您知道所有这些东西在哪里，您可以直接拉链!

为了检测间隙的位置，无人机使用光流技术。它需要一张照片，移动一点，然后拍摄另一张照片。然后它识别每张照片中的相似特征，并且由于视差，间隙后面的更远的特征似乎比间隙周围的更近的特征移动得更少。间隙的边缘是您在功能看起来移动的数量之间有最大差异的地方

或者，差不多。另一部分是使用视觉伺服穿过间隙。视觉伺服只是使用视觉反馈来控制运动：无人机拍摄间隙的照片，向前移动，拍摄另一张照片，然后调整其移动以确保其相对于间隙的位置仍然是它想要的。这与预先计划的方法不同，在预先计划的方法中，无人机预先计算出它想要采取的整个路径然后跟随它 - 视觉伺服更加动态。或者，你知道，在蜜蜂身上。

UMD研究人员使用装有Nvidia Jetson TX2 GPU的Bebop 2无人机对此进行了测试。在前景墙上切割出各种不同尺寸和形状的不同间隙，在报纸上覆盖了它们以给它们一些额外的纹理，这就是我们有义务指出这种技术可能无法解决的问题。你试图穿过一面白墙的缝隙，另一边是另一面白墙。无论如何，只要你有新闻报道的墙壁，这个系统运作得很好，研究人员说：“我们在不同的任意形状窗户的150个试验中取得了85%的显着成功率，在各种条件下，包括一个窗口最小公差仅为5厘米。“

无人机在通过间隙时能够达到的最大速度是每秒2.5米，主要受到卷帘式快门相机的限制(可能会在更高的速度下弄乱光流)，但同样，这种方法并不是真的用于高性能无人机。话虽如此，研究人员在他们的论文结论中确实提到“IMU数据可以与单目相机结合，以获得窗口的规模并计划积极的机动。”所以，希望我们会看到一些在不远的将来。