今年初，大疆發布了一款Mavic系列的新成員——Mavic Air隨行無人機，號稱全球最便攜的可摺疊無人機。Mavic Air的重量有430克，最長飛行時間為21分鐘，最大飛行速度可達68公裡/小時，主打智能飛行和球型全景。
從續航、圖傳距離等性能指標上來看，Mavic Air的定位似乎介於Mavic Pro和Spark之間。但從支持智能功能的角度來說，Mavic Air比起Mavic Pro只有過之而無不及。其中最值得一提的是全新的以手勢控制為核心的「慧拍」功能，其效果可見以下視頻。
可以看到，「慧拍」相比於Spark的手勢操控來說，在體驗上有了質的提升，這也許就是改叫「慧拍」的主要原因。雷鋒網(公眾號：雷鋒網)(公眾號：雷鋒網)今天借該功能來管中窺豹，聊一下大疆在自主飛行上的技術積累。
「慧拍」——隨行攝影師
玩無人機的同學都知道，拍照和操控方式是消費級無人機最重要的兩個方面。大疆的各個產品也一直都圍繞著提升拍照和遙控器的便攜化來展開。尤其對於入門級用戶來說，遙控器操作是一個相當高的門檻。例如像拍攝跟隨、刷鍋這樣的鏡頭，需要同時操作飛機的姿態及雲臺的俯仰角來對準目標來拍攝，即使對於專業的航模愛好者來說，也是有相當的難度，更不用說入門級用戶。
Mavic Air推出的慧拍功能，主要意圖就在對人像進行跟隨、拍攝和操控調整視角這一典型場景的全覆蓋，尤其對於時奔跑、跳躍、騎車、攀巖這樣的場景，以往想要完成拍攝，一定需要一個非常有經驗的專業飛手來輔助才可以，而慧拍功能就時為了解決這部分用戶使用無人機的痛點。
從教學視頻當中可以看出，用戶可以通過手勢的方式控制無人機的起飛、降落，也可以調整機位角度、和遠近距離（2米~6米），更細心的是，即使當用戶放下雙手，飛機也會始終保持跟隨拍攝目標，並且雲臺會始終鎖定在目標身上，使得目標保持在畫面的中間。
據雷鋒網親測，Mavic Air對於人的跟隨準確度和流暢度，比之前Phantom 4和Mavic Pro的Activetrack有了很大程度的提升，並且在奔跑、跳躍、騎車、攀巖等場景做了強化。
當用戶使用單手手勢控制到合適的拍攝角度，雙手手勢控制到合適的拍攝距離，並找到合適的拍攝地點後，做出yeah或者相框手勢，Mavic Air就會進行拍照或者錄像動作。如果這時候有兩個人同時做出yeah手勢，還會觸發集體照的彩蛋，進行三個角度的拍攝。
可以看到，啟動慧拍功能後，Mavic Air化身成為用戶的隨行攝影師，不僅能夠跟隨用戶運動而運動，還能夠理解用戶的手勢來調整拍攝角度、拍攝距離和進行拍攝動作。起飛，跟隨，控制，拍攝，降落整個過程一氣呵成，在完全脫離遙控器的情況下，用戶依然可以對Mavic Air進行靈活的操控。
根據實際評測使用中可以發現，啟動慧拍模式後，通過手掌自如地控制6米外的Mavic Air進行飛行和拍攝，如同實現了Phantom X中隔空操縱無人機，可謂相當酷炫。另外，慧拍，或許會是熱愛戶外運動的用戶的福音——在進行跑步、踢球、騎車、攀巖、滑雪等運動的時候，往往不太方便使用遙控器來操作無人機對自己進行拍攝。而在這些場景下啟動慧拍功能，這個問題就能夠在較大程度上得到解決。
PhantomX概念片中，神盾局特工主演汪可盈手勢操縱無人機飛行
Mavic Air慧拍這一功能背後，是大疆在無人機自主飛行技術上的創新和突破。這涉及到多個學科、多個層面的深入技術積累和錘鍊。具體來說，包括物體檢測和跟蹤、手部手勢識別與跟蹤、肢體手勢識別、多傳感器融合定位、深度圖測距與建圖、路徑規劃、以及控制等技術，並且克服各個單點技術的缺陷，將它們有機地整合在一起。應該說，慧拍背後的技術，是大疆在計算機視覺、人工智慧、機器人這顆技術樹上，點的最為全面的一次。
物體檢測與跟蹤
物體檢測，指的是找到畫面中的感興趣物體（比如行人、車輛、船隻等）並框出來。目前採用的主流算法框架大都基於Faster R-CNN[1]。
物體跟蹤，指的是用戶選擇了要跟蹤的物體後，如果該物體以後移動了、姿態變化了，依然能夠將其找到並框出來。其中GOTURN[2]算法能夠達到每秒100幀以上的處理速度。
手部手勢識別與跟蹤
一般常說的手勢識別其實有兩種，一種是更關注於手部（手掌、手指關節），比如Deep Hand[3]可以識別用戶是否張開手掌，比yeah；另外一種是則更關注於肢體與手臂的相對位置，比如類似CPM[4]可以識別用戶平舉雙手、抬起單手等。從慧拍的實現方式上推測，或許是同時兼顧了上述兩種技術。另外，手勢跟蹤能夠利用上時序信息，將手勢識別的結果變得更加穩定、可靠。
多傳感器融合定位
Mavic Air上具有視覺、IMU、TOF等多種傳感器，使用VIO技術進行融合後，能夠構成足夠的冗餘，當單一傳感器失效的時候，依然能夠較好地估計自己的姿態和位置。
深度圖測距與建圖
深度圖的產生方法有多種，比如可以通過TOF傳感器直接得到，也可以通過雙目立體視覺來計算得到，得到深度圖後，無人機能夠知道環境中各物體距離自身的遠近，再配合多傳感器融合定位，能夠建立三維地圖，供後續避障或者軌跡規劃使用。
軌跡規劃
軌跡規劃，指的是用戶指定某個目標地點，無人機需要結合自身定位和建好的地圖，推算出一條通往目標地點的軌跡，為了最優化路徑以及後續控制上的平滑，需要考慮滿足某些約束，比如考慮了最小化速度的導數等。
無人機控制
在軌跡規劃之後，需要通過控制算法改變無人機的飛行姿態，從而完成既定的軌跡，這部分常用的算法是PID控制算法。
在上述算法中，有不少算法需要耗費巨大的計算資源，比如物體檢測與跟蹤、手部和肢體的姿勢識別等。能在Mavic Air緊湊的機身裡面濃縮集成如此高密度和高計算強度的算法，並有機整合成慧拍功能，反映出來大疆在各個相關領域的深入積累。
大家可能會疑惑，Mavic Air又不是無人車，為何可以說是「自動駕駛」呢？其實，無人機與無人車雖然一個在天上飛，一個在地上跑，在動力系統、控制系統、硬體平臺上確實需要因地制宜。但另一方面，這兩者的內核都是要實現「無人」二字，即智能化程度要足夠高。而在無人機上的智能化，稱為自主飛行，在無人車上的智能化，稱為自動駕駛。
自動駕駛的等級一般劃分為L0~L5。L0為完全受控駕駛，即完全靠人類來駕駛；L1為駕駛輔助，一般我們常說的「ADAS」屬於這個級別，能夠具有前向碰撞提醒、車道線偏離預警等功能，具有一定的安全提醒功能；L2稱為部分自動駕駛，特斯拉使用的AutoPilot系統屬於這個級別，提供了自主巡航功能，能夠在較為簡單的路況下自動駕駛，但需要司機緊握方向盤以準備隨時接管；L3是有條件的自動駕駛，預計在今年4月開售的全新奧迪A8宣稱它是首款實現了L3的量產車型，在限速60公裡的條件下，能夠在較為複雜的路況下進行自動駕駛，並允許司機雙手離開方向盤。L4與L5由於目前沒有對應的量產車型，不在這裡展開。
仿照自動駕駛的分級，可以給出自主飛行的分級，如下表所示：
在表格中可以看到，啟動了慧拍功能的Mavic Air，在諸多核心技術加持下，已經能夠達到L3的自主飛行。它在特定的場景下脫離遙控器使用，可類比於在L3的自動駕駛中允許司機的雙手離開方向盤。
可以說，大疆從來沒有停止過在計算機視覺、人工智慧、機器人等的技術的探索，而這些技術構成了大疆最為核心的競爭力，足以在Mavic Air上支撐起了一整套「空中自動駕駛」的解決方案——慧拍。
參考文獻：
[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
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。