无人机早已实现GPS判定无人机在平面上的位置，进行定点悬停。但是，如何让无人机感知距离和回避障碍一直都是一个巨大的挑战。虽然已有部分无人机产品可躲避障碍，但仍存在不少技术问题。

       近日，瑞士洛桑联邦理工学院一名学生Darius Merk研发的避障算法有可能解决这一痛点，该避障算法师从昆虫视觉中得到了启发。Darius Merk认为昆虫避障的方式简单而高效，仅凭光的运动速度就能判断物体远近：某些昆虫可以通过光照强度来探测周围障碍物，在飞行途中，它们视网膜上的图像运动会产生光流信号，这种光流为昆虫的视觉导航提供了丰富的空间特征信息。从而根据穿过树叶间隙的光线强度快速判断前方的空隙可否安全通过。因此他的算法中主要应用了光流法。

       世界上已经提出了多种仿生昆虫视觉的光流导航方法：Srinivasan根据蜜蜂视觉，提出一种简单非迭代的光流法，用于测量系统的全局光流和自运动；而作为图像局部运动的基本检测单元的Reichardt模型，则受启发于昆虫的视觉神经结构；Franceschini曾根据苍蝇的复眼结构，设计出光流导航的策略和传感器。这些均为昆虫视觉算法应用在无人机上做好一定的理论铺垫。

       无人机最初的测距方式如同车雷达一样透过类似蝙蝠的“听觉”，向测距对像发射电波，从而判定物体的方向和位置，然后躲避。雷达式测距的最大弊端是，它需要先发射电波，然后侦察电波反射，因此在续航力和电波发射功率的限制下，很难进行长距离测距。而最近市场上能够躲避障碍的新机型大多是基于模仿人眼的工作方式来实现障碍识别，其主要通过图像识别和距离传感器来判断无人机的飞行环境，图像分析往往需要大量的计算机资源来运算，且对无人机飞行控制器的运算速度有不低的要求，既不利于续航，也不利于减小无人机的体积。而模仿昆虫识别物体的方式正好能避免这些问题。

       Merk制作的无人机上搭载两个摄像头，由于不需要较大的计算量，因此单个摄像头重量仅为15g，而且处理器配置并不是很高，使得无人机更加轻便。