雙目視覺：這個方法運用了人眼估計距離的原理，即同一個物體在兩個鏡頭畫面中的坐標稍有不同，經過轉換即可得到障礙物的距離，雙目視覺方法也可以獲得障礙物的深度圖像。這種方法的缺點在于技術難度較高（不過自從有了OpenCV，媽媽再也不用擔心我不會寫機器視覺程序了），且距離估計的誤差隨距離變大而指數型增長，只是這一缺點在無人機避障應用中并無大礙。

電子地圖：借助細粒度的數字高程地圖和城市3D建筑地圖，既能夠實現避免重要建筑物受到無人機撞擊（即禁飛區功能），也能夠實現很多情況下的無人機避障。而事實上，戰斧巡航導彈的遠程飛行也在很大程度上依賴于數字高程地圖。

障礙物測量的原理搞懂了，就可以開始討論無人機避障了。最簡單的策略莫過于遇到障礙物時停止前進，然后與障礙物保持一定的距離。這種遇到障礙物后就默默懸停等待，仿佛手足無措不知所往的初級策略，就是這么簡單的開始，無人機就進入了避障時代。

繞過障礙物

很顯然，我們不會滿足于讓無人機遇到障礙物后傻傻等待（固定翼表示自己一秒鐘也無法等待），這就需要設計讓無人機安全高效地繞過障礙物繼續完成預定飛行的策略。表面上看，連薩摩耶這種囧傻呆萌的狗狗都知道前面有座大樓時該怎么繞過去（請自行想象為什么說到狗狗時要強調前方是大樓，而不是一棵樹），讓無人機繞過障礙物的策略應該很簡單了，但這其中的門道可多了去了。

首先，狗狗很清楚前方大樓的輪廓，因此只需要往邊緣走就可以繞過去，但是無人機想獲得障礙物輪廓就很難了，如果避障傳感器是普通超聲波，無人機就只能知道前方有障礙，但是卻無從知道障礙物的邊緣，這就是前面為什么要強調“能夠獲得障礙物深度圖像”了，對于能獲得深度圖像的TOF測距和雙目視覺測距方式，只要障礙物沒有充滿視場，就總能夠找到障礙物的邊緣。舉例說明，下圖所示的是無人機的到的深度圖像示意圖，灰度越深，表明距離越近，遇到這種情況，很顯然的策略就是往左上方飛，即朝向灰度最淺的區域飛行，此時問題仿佛已經得到解決。

但是別高興太早，這種策略可以滿足大多數應用場景，但是問題還遠沒有解決，看下面的左圖，一架無人機剛繞從一座高大建筑旁繞過去，然后得到了如左圖的障礙物深度圖像，如果按照前面的策略，肯定是要往顏色最前的地方飛行，好那我要是告訴你其實右圖是無人機和兩座懸崖幾何關系的俯視圖，請你告訴我無人機會怎么飛，如果按照前述的策略，這又必將是一場刻骨銘心的事故。

也許有人對windows98時代的迷宮屏保還有印象，屏保中，使用一直沿著左側墻壁和一直沿著右側墻壁都會最終走出迷宮，這是因為普通迷宮的拓撲結構就是兩條平行線中間有一個通道，按照這種思路，無人機遇到下圖這種簡單策略躲不過去的障礙時，完全可以采取類似的方式，就一直向左或者向右尋找出路。即如果上面右圖的局部場景的完整形態如果如下圖所示的話，沿著圖中的兩條曲線為路徑都可以繞過去，如果場景比下圖更復雜，繞過去的路可就需要苦苦追尋了。

雖然關于機器人在未知場景中的避障方法研究非常多，但是由于終究是未知場景，其中必然有復雜的搜索過程。

場景建模和路徑搜索

再回到狗狗繞過大樓的例子，看下圖，如果狗狗左側右側的路都走過，而且右側其實沒有那棵樹的話，很顯然的它下一次繞過這座樓的時候基本上會選擇左側的路（但是當右側有顆邪惡的樹之后，結論仿佛有所改變），這是因為它大腦里已經有了一幅地圖，即有了這個場景的模型。