无人机智能化专题研究

1、行业深度|计算机应用证券研究报告前次评级报告日期买入2016/05/13相对市场表现观点：l 无人机正在成为终端智能化的下一个计算机沪深300；74%36%-2%40%第研究机构普遍消和无人机将在未来 5 年达到数十亿规模。目前一级市场和产业界都对无人机赋予重点关注。从这样的商到腾讯这样的互联网企业无人机产业。2015-032015-072015-11 2016-0l智能化的无人机将真正“无人”，拓展更广阔的应用空间；目前无人机依然需要操作员确保正常安全飞行。智能化的无人机S0260514030002 02160750605gfliuxuefeng分析师：将变身“会飞的”。智能化的无人机将摆脱

2、操作员真正“无人”，降低应用的人力成本，完成任务或到达人/普通无法到达的地方。OS 与固件等；l智能化技术机器视觉硬件/技术、人机器视觉能够让无人机识别周围的环境从而安全自动飞行躲避，相关研究：是最关键的智能技术。硬件机器视觉技术双目视计算机应用行业:企业级 SaaS 方兴未艾，三细分方向或有大机遇300465.SZ）:领先的2016-03-02技术光流算法、图像分割算法等。人工智能技术图人脸识别、语音识别等技术，能够提升无人机的自动化程度，更“智能”完成商业应用。OS 与固件等键，目前有较为成熟的开源技术是连结无人机计算和算2015-05-15库提供开源算法代码供开发者。综合金融化服务商l硬

3、件产业趋势是化、集成化；/Intel/Nvidia 都推出了基于产业趋势是开源+二次开发商；计算机行业医疗化跟踪:海虹与保险公司签署合作协议，医保控费逐渐落地2014-11-20机。高性能计算智能化的，随着厂家涌入，硬件发展趋产业的发展路线：上企业联芯科技在智能势是化、集成化，将可能重复 PC 产业和智能游无人机厂商占据产业关键地位并获取大量利润。领域也有一定投入，值得关注。人：张璋zhangzhang在无人机提供大量开源人工智能/算法领域，已有一些开源社区，算法库。未来智能无人机产业将大概率重复开源社区+二次化开发商的商业模件的厂商将脱颖而出占据产业链的上游。投资者可关注计算机和下游整机行业

4、相关上市公司。l风险提示智能无人机硬件进步速度可能不及预期；人工智能到瓶颈；智能无人机产业会法律和监管的限制。技术可能会遇重点公司：买入2141.170.330.7419716574.917.3中科创达数据来源：公司财务报表，广发证券发展研究中心识别风险，发现价值请务必阅读末页的免责1 / 28EPSPE公司评级股价PB15A16E17E15A16E17E行业评级买入计算机应用行业终端智能化系列之一、无人机智能化行业深度|计算机应用目录索引. 4. 5. 5投资要点：第一章、智能无人机简介1.1 无人机简介及市场概况1.2 智能无人机：无人机的1.3 智能无人机潜在应用. 8. 10. 11.

5、 13性进化1.4 智能无人机产业：下一个焦点第二章、智能无人机的2.1 智能无人机关键硬件技术：机器视觉硬件技术132.2 智能无人机关键1) 机器视觉2）人工智能技术技术技术. 16. 16. 17. 19. 21. 21. 21. 22化二次开发商25. 273）OS/飞控/导航等其他必要第三章、智能无人机产业的价值链分析3.1 无人机现有产业竞争格局技术3.2 硬件发展趋势：化集成化3.3 无人机关键产业分析和展望3.4 智能第四章、产业发展趋势：开源上市公司与智能无人机产业与识别风险，发现价值请务必阅读末页的免责2 / 28行业深度|计算机应用图表索引图 1：无人机简单结构拆解5图

6、2：无人机市场规模（亿元）和增长率6图 3：FAA 批准的首批无人机商业应用所在领域7图 4：FAA 批准的首批商业应用无人机生产厂家及市场份额8图 5：Boston Dynamics 复杂的. 9图 6：使用室内无人机完成端酒9图 7：双目机器视觉的原理13图 8：红外激光视觉的原理14图 9：双目视觉对室内的建模结果14图 10：Intel 红外激光视觉的建模结果14图 11：大疆精灵 4 主电路板拆解图15图 12：光流法对人挥手的建模16图 13：腾讯发布的“空影”无人机16图 14：边缘检测算法的效果17图 15：图像识别算法效果18图 16：深度学习算法原理18图 17：Hover

7、 Camera 无人机18图 18：Hover Camera 使用人脸识别跟拍18图 19：DroneCode 项目的成员列表20图 20：大疆精灵 2、3、4 拆解图22图 21：Snapdragon Flight 参考板23图 22：Intel Edison for Arduino 飞控板23图 23：Nvidia Jetson TX1 模组方案23图 24：联芯 LC1860 设计方案23表 1：无人机按照不同维度. 5表 2：不同第研究对无人机市场的6表 3：FAA 首批批准的商业应用无人机的性能统计7表 4：现有无人机和智能无人机组件的差别9表 5：比较智能无人机和人形. 9表 6：

8、普通无人机的局限和智能化无人机解决的痛点11表 7：国内外知名公司进军无人机产业的情况12表 8：不同机器视觉硬件技术的比较15表 9：开源无人机硬件项目和特点19表 10：2014 年几家典型的无人机厂商和收入规模21表 11：四家厂商提供的智能无人机关键模组比较24表 12：一些开源智能项目简介25表 13：一些开源领域和专注于化开发商的估值26表 14：公司现有在民用无人机相关领域的投资和业务27识别风险，发现价值请务必阅读末页的免责3 / 28行业深度|计算机应用投资要点：一、目前一级市场、产业界都对无人机大手笔投资，第研究机构普遍认为未来消和商业无人机前景广阔。产业界特别关注智能无人

9、机的研发与投资。n现在无人机受到操作限制较大，应用范围较窄，操作员依然是人力成本。未来智能化后的智能无人机会进一步拓宽应用并真正“无人”。二、无人机智能化的关键是在赋予无人机“视觉”、高性能计算、操作系统及固件，支撑以人工智能算法为的智能应用。n目前常用的硬件机器视觉技术有：双目视觉、红外激光视觉技术、超声波辅助探测等技术。各类技术特有优缺点，实践中常常组合使用。n光流算法是一种纯机器视觉技术。图像分割算法等算法是支撑机器视觉的关键；基于深度神经网络学习的人工智能技术能够提高图像识别、人脸识别、语音识别算法的整体性能，在搭载上无人机后能够进一步提高其智能化的程度，完成更复杂任务。三、智能无人机

10、硬件的发展趋势是化和集成化，未来将沿着PC/智能类似的、Intel、路径发展，厂商将占据产业链的优势地位获取大量利润。目前Nvidia均推出智能无人机方案，短期内方案有一定优势，推广速度也最快。国内厂商联芯科技也有跟进，值得关注。四、人工智能算法已经多个开源社区，支持者Google/Intel产等一线企业。等社区包含大量冷门算法和应用。未来智能无人机业的发展模式将是开源项目加化二次开发商模式，参与公司关键竞争力是商业化的差异、独特的服务、资金与技术积累带来的先发优势、对无人机软硬件结合开发的积累。五、在无人机智能化产业的浪潮过程中，无人机整机商可以获得较市场机会。我们重点推荐中科创达，同时关注

11、大唐电信、宗申动力、通用、智能、雷柏科技、高德红外等公司（仍由广发相关行业分析师覆盖）。风险提示：智能无人机目前还在起步阶段，硬件和定性；无人机行业受和法律影响较大。技术发展进度很大不确识别风险，发现价值请务必阅读末页的免责4 / 28行业深度|计算机应用第一章、智能无人机简介1.1 无人机简介及市场概况无人机是一个较为笼统的大概念，所有不载人的飞行器都可以“无人机”按照不同的维度可以划分出不同的类别，见表1:“无人机”。nn我们在本篇中重点讨论民用专业级无人机和民用消无人机；不同的飞行方式/动力系统/载荷与重量，各有其优缺点和适应范围。本篇讨论的智能无人机涉及多种应用场景，将根据不同需求选择

12、合适的类别；n民用无人机市场相对无人机市场对价格更敏感，本篇讨论的民用无人机产业中价格是重要的竞争力之一；表 1：无人机按照不同维度应用领域无人机，民用专业级、民用消超轻型（小于 500 克）、轻型无人机（10KG 以下）、中型无人机（10100KG）、重型无人机（100KG数吨）起飞重量载荷类型数据收集型（航拍等拍摄）、物体运送类玩具级别（小于￥1000）、消（￥1000￥10000）、价格专业级（大于￥10000）、军工级（大于￥1000000）数据来源：广发证券发展研究中心图1展示的是一个四轴无人机的结构图，无人机大体由以下组件：(1)通信/三轴陀螺系统，长距低速率无线电以及高速率无线电

13、；(2)传感器：速率陀仪/气压仪/GPS/电罗盘/摄像头/声纳；(3)动力系统/储能装置：电动机与螺旋桨，电池；油箱，内燃机等；(4)任务载荷：光电类数据收集，投放类以及获取类的物理载荷；(5)机体；(6)电路：无人机飞控的软硬件。图1：无人机简单结构拆解GPS天线三轴陀速率陀气压仪指南针1KM低速无线电IEEE 802.15.4电机与螺旋桨前视摄像头高速率无线电IEEE 802.11热传感器下视摄像头声纳测距数据来源：US Congressional Research Service、广发证券发展研究中心识别风险，发现价值请务必阅读末页的免责5 / 28动力系统电池+电动、+内燃机、+喷气发

14、动机飞行方式固定翼、直升机、多轴无人机、飞艇、伞翼型维度不同类别行业深度|计算机应用无人机可按照用途分为和民用两类，而民用无人机还可以分为行业应用类无人机和消无人机。目前无人机的市场规模依然占绝对主导地位（IBISWorld预计2015年无人机市场总量为33亿，其中非市场仅占3.8%），但技术发展的外溢性促进行业应用和消无人机高速发展。金融服务机构Oppenheimer总结了一些第研究机构对无人机市场现状与未来的，见表2；各家机构的差异较大：表 2：不同第研究对无人机市场的17 亿$2015KPMG消消10 亿$2018Consumer Electonics Association11 亿$2

15、019ABI Research专业级全球商业级20.7 亿$2020Grand View Research全球商业级64 亿$2020Frost & Sullivan17 亿$2025Lux Research商业无人机数据来源：Oppenheimer & Co Inc.、广发证券发展研究中心虽然以上统计和有一些相互的地方，但总体上对这一市场偏乐观的观市场，易观认为2015年市场规模有望达到23亿元点居多。对于，并在未来几年保持超过50%的增长率，在2018年超过100亿：图2：无人机市场规模（亿元）和增长率市场规模（亿元）增长率12010080604020080%70%60%5

16、0%40%30%20%10%0%2014年2015年2016年2017年2018年数据来源：易观、广发证券发展研究中心在拍摄，数据收集等商业应用中，无人机具备优势，化前景广阔：ü无人机航拍的综本在载人直升机的成本的千分之一以下；识别风险，发现价值请务必阅读末页的免责6 / 28全球生产140 亿$2025Congressional Research Service全球无人机>30 亿$2024Business Insider Intelligence全球专业级44 亿$2020Frost & Sullivan小型无人机19 亿$2019Markets and Marke

17、ts小型消51 亿$2019ABI Research民用1.25 亿$2015IBIS World细分市场规模年份第机构行业深度|计算机应用üü小型无人机能够在很多载人飞机无法接近的场景中飞行；载人飞机和直升机的安全性远不如无人机；目前在民用无人机已经在一些行业投入了商业应用。FAA（民航管理局）自2014年5月起开始为无人机颁发商业运营执照。至2015年9月共批准了超过1000份商业运营的申请。首批获得申请的行业应用的情况见下表：图3：FAA批准的首批无人机商业应用所在领域搜救 应急抢险保险2%环保监3%4%测5%水电设施检查6%与电视拍摄 7%房地产27%业10%通用空

18、中拍摄23%农业13%数据来源：FAA、广发证券发展研究中心在FAA统计了其首批批准的商业应用无人机的性能，见表3。从中可以看出这些商业应用无人机绝大部分还是平均重量5KG(11.02磅)，续航时间30分钟左右的轻型无人机，这一类无人机的特性和消无人机非常接近。表 3：FAA 首批批准的商业应用无人机的性能统计9.145.3712.399.837.2237.5923.119.0597.426.85农业 地产业影视剧油气产业业数据来源：FAA、广发证券发展研究中心FAA还统计了首批申请表中使用无人机的生产厂家和型号，其中大疆以70%的占有率领先，排名第二的3DR市10%，而、SenseFly等厂

19、家的市占率小于2%(见图4)。大疆精灵3、悟空1、精灵2占据申报型号占有率的前三位。从以上的统计可以看出：消无人机与无人机不绝对的门槛；中高档的消无人机就能够胜任很大一部分航拍任务。识别风险，发现价值请务必阅读末页的免责7 / 28所属行业平均重量（英磅）平均续航时间（分钟）行业深度|计算机应用图4：FAA批准的首批商业应用无人机生产厂家及市场份额Trimble 1%其他15%2%3DR10%SenseFly 2%大疆70%数据来源：FAA、广发证券发展研究中心无人机商业应用较为成熟的领域之一是的农业植保无人机。但植保无人机并未在广泛推广，因此也未列入上述FAA统计。无人机在美竞争力相比农业轻

20、型载人飞机较低，主要是由于两国国情差异：üü多山地形限制了农业轻型飞机，而大平原适合农用轻型飞机作业；轻型飞机产业和民间飞行员储备保障了农用轻型飞机作业成本较低；最流行的植保无人机为YAMAHA的RMAX型无人机，其特点是使用燃油发农业无人机（Japan Unmanned动机、类直升机单桨结构、载荷较高。根据Aerial Vehicle Association,JUAV）2015年的统计，目前保有约2000多架农业植保无人机，每年销售约220余架。主要供应商雅马哈无人机业务年营收为4100万，仅次于消无人机整体市场规模。1.2 智能无人机：无人机的性进化目前FAA对无人机的

21、商业应用还因为安全考虑有诸多限制（详细规定见FAA2012年现代化与法案，Section333）：üüü无人机在夜间进行商业飞行被严格限制；无人机必要有操作员在视距内进行商业应用；无人机飞行要远离人口稠密区，机场，军事基地，公园等地；从这些限制可以看出，现有的无人机主要依靠操作员保障飞行安全，这限制了其在更大范围的应用，也增加了无人机商业作业的成本。现有的“无人机”虽然名字里面有“无人”字样，但仅指的是飞行器上不载人。智能化的无人机与现有无人机最重要的区别在于：具备飞行能力的智能化无人机能够摆脱操作，成为名副其实的“无人”机，不仅没有飞行员，也没有实时操作。无人机

22、的潜力在于其机理的较为简单，如果智能化后可看作一台“会飞的机器人”。智能化的无人机与现有的无人机可参考表4：识别风险，发现价值请务必阅读末页的免责8 / 28行业深度|计算机应用表 4：现有无人机和智能无人机组件的差别低性能省电的 MCU支持大规模并行计算的CPU系统基础飞控基本固件完整的 OS 支撑系统不同应用数据来源：广发证券发展研究中心我们可以将图5中的由Boston Dynamics开发的人形Infinium Robotics开发的送餐无人机做比较。表 5：比较智能无人机和人形和图6中由新加坡项目人形无人机适应性适应室内复杂环境室内飞行一定隐患续航能力较强弱，很少长于 1 小时与人交互

23、一定隐患一定隐患复杂任务机械臂可模仿人手完成任务较为单一维修保养复杂，需要专业知识较简单，业余可拆换零件数据来源：广发证券发展研究中心总体而言，无人机和人形各有千秋，无人机凭借着其相对极低的成本以及易保养的优势能够在很多领域替代人形，完成：üüü在复杂的室内环境（需使用精密传感器保障安全飞行）；拍摄以及其他环境感知和探索任务；搭载小重要负荷，与人交互等任务；有趣的是，目前很多中外无人机公司名都是“某某加Robotics（）”，这反映了业内对智能无人机和本质是一致的共识。图5：Boston Dynamics 复杂的图6：使用室内无人机完成端酒数据来源：Boston

24、Dynamics、广发证券发展研究中心数据来源：Infinium Robotics、广发证券发展研究中心识别风险，发现价值请务必阅读末页的免责9 / 28购置成本高达 100 万￥以上10001 万￥载荷能力强，可达 100KG 以上弱，小型无人机仅载 1KG人工智能无机器视觉/语音语义识别等机器视觉组件仅将图像回传操作员识别图像内容重构三维模型组件现有无人机智能化无人机行业深度|计算机应用1.3 智能无人机潜在应用国会研究服务局（US Congressional Research Service）在报告Unmanned Aircraft Systems (UAS): Commercial O

25、utlook for a New Industry中列举了一些无人机领域和智能化后的改变：n农业：目前装备了红外摄像机的无人机能为精准农业搜集足够的数据。农业局估算使用无人机服务进行农业数据监测可以为每英亩玉米、大豆和小麦分别带来12美元、2.6和2.3的回报。未来智能化的无人机可以精准得喷洒化肥和杀虫剂。无人机可以根据摄像机图像评估农作物的生长状况调节化肥喷量。在农田这一场合使用完全脱离操作员的无人机较为安全，技术难度低，因此也是最优希望大规模普及智能无人机的场合。n地产业：目前地区无人机航拍已经被应用于住房的销售宣传之中，此外还在商业地产，办公楼，大型购物中心和土地开发中取代了部分传统直升

26、机航拍的市场；智能化的无人以在物如住房房顶的日常检查中起到作用；n输电和管道设施：传统高压输电检查依靠巡视线路并攀登塔架，这即费力又危险。使用携带超声波或X光载荷的无人机将能替代大部分人工检查工作。目前主要在于无人机本身就是对电力的安全威胁：操作失误以及大风都可能导致无人机与线路相撞。研发带有自动避障功能的智能无人机是拓展这类应用的方向。n业：目前业主要使用无人机进行拍摄检查工作和地图测绘。一些的高空拍和原材摄工作能够被无人机替代。未来无人机可能替代人力在工地上料。目前在一些人力资源短缺的如已有一定的试点。n电视剧拍摄：高性能的无人机已经被广泛应用于电视拍摄之中；智能化的无人机能够降低高质量画

27、面的拍摄难度，促进的自媒体/小成本的生产。n和公共安全：无人机可以非常低廉的价格完成部分巡警的工作，而智能化后更可以成为城市的“移动摄像头”，减少部门的人力配置负担。高高飞在天上的无人机相比在二维平面的巡警和只能一小块区域的固定摄像头有着更高的效率。根据某全统计，2015年各地共采购了300套无人机，相比2014年的60套，有了极大幅度的提升。未来智能化的无人机将会承担一部分图像识别与目标跟踪功能，并能够决定巡逻路线，通过通讯网络与友机协同作业，更高效的完成城市和任务。识别风险，发现价值请务必阅读末页的免责10 / 28行业深度|计算机应用n智能无人机快递：目前已经的和的顺丰等公司都开始尝试应

28、用无人机进行快递投递。限于目前的法规和监管的限制，这些试点中都要求操作员深入介入无人机的操作。智能化的无人机如果能规划路线，飞行，完成投递，飞往充电站等功能，将减少快递业的人力和能源消耗成本。n消防救援辅助：特制的无人机在高楼消防救援中可以抵近地区侦察，也可以在森林消防中大范围侦察偏远地区火场，这些辅助工作都可以清除消防员不必要的风险。目前也在尝试消防无人机的试点，我们从招标网上到2015年共有7项消防无人机的招标，其中西安消防支队的无人机采购预算为1架50万元。表6总结目前使用普通无人机的限制和采用智能化无人机能解决的行业痛点：表 6：普通无人机的局限和智能化无人机解决的痛点飞行节约人力操作

29、负担和农业需要操作员操作成本，智能调节喷洒飞行能力可以提高安全性并进一步降低人工负担输电和管道设施操作会失误导致事故飞行的无人机可以承担巡业仅用作拍摄查以及材料工作和电视剧拍摄需要专业操作草根制作团队也能使用需要操作，飞行投递包裹减少人力成快递行业不显著提高生产效率本和消耗成本需要操作智能无人机具有环境感知能消防救援无人机在环境易损坏力，在环境下能自动避害数据来源：US Congressional Research Service、广发证券发展研究中心1.4 智能无人机产业：下一个焦点基于对“会飞的大手笔投向无人机领域总额超过40 亿元，而”未来市场空间的憧憬，众多一级市场投资者在2015年统

30、计2015 年全球范围内民用无人机风险投资融资金融服务机构Oppenheimer统计的总融资为4.38亿。在2015年无人机行业较为知名的融资案例有：üüüüü2014年12月31日，亿航宣布完成了来自GGV资本的1000万A轮融资；2015年2月26日，3D Robotcs融资5000万C轮融资，领投；2015年5月6日大疆创新获得硅谷知名风投Accel Partners7500万投资；2015年8月24日亿航宣布完成4200万B轮融资；2015年8月26日英向Yuneec投资6000万；识别风险，发现价值请务必阅读末页的免责11 / 28减

31、少操作人力负担,智能无和公共安全需要操作员操作人机群协作巡航效率更高地产业仅用作拍摄自动飞行与检查效率更高所属行业现有的局限智能化解决的痛点行业深度|计算机应用除了一级市场投资者，目前有大量的一线实业厂商纷纷发现了智能无人机领域的商机并进军这一产业，使这个本来很“小众”的产业显得很“拥挤”，我们粗略整理了一些国内外知名公司进军无人机产业的状况：表 7：国内外知名公司进军无人机产业的情况Intel在 CES2016 上展示了自动避障功能无人机无人机Qualcomm无人机设计预计在 2016 年初和中科创达市场合作出货Nvidia无人机于 2015 年末开发基于 Jetson TX1 的无人机深度

32、学习模组与零度智控合作发布基于联芯 1860 无人机联芯无人机模组预计在 2016 年将自拍相机无人机投放市场三星产业无人机整机腾讯互联网研发，运营与零度智控达成战略合作，打造可折叠入门级娱乐无人机工程机械合作开业无人机与法国无人机商合作，开发应用工程机械管理电动汽车无人机整机设计完成消无人机初步设计电商无人机整机开始测试自研的无人机投递快递消费合作开业无人机与无人机厂家合作，开业拍摄市场数据来源：广发证券发展研究中心表7表明了无人机市场似乎具有某种神奇的磁力，吸引了从霸主到消费巨头再到互联网产业的领导者们纷纷进军。而且这些参与者丝毫不惧怕激烈的竞争：Intel和则选择同时杀入无人机大疆早已牢

33、牢攥取得消领域，演示也几乎同时发售；三星和小米无人机整机市场。我们认为，虽然还不是很”才是吸引这些厂商的决定性因素。，但看起来空间很大的“会飞的识别风险，发现价值请务必阅读末页的免责12 / 28Gopro相机航拍无人机设计将于 2016 年初推出的小米智能终端无人机整机预计在 2016 年发售小米品牌无人机公司原行业目标产业链定位现在进展行业深度|计算机应用第二章、智能无人机的无人机智能化的第一步是安装高性能计算和一套完成的操作系统环境承载应用。赋予无人机“智能”中之一是让无人机能够通过机器视觉感知周边的环境，并将结果转化为数据通过OS传给其他应用程序。目前无人机领域主流的机器视觉技术有：双

34、目机器视觉、红外激光视觉、超声波等方式。智能无人机重要的技术有：光流算法、图像分割算法、图形识别、人工智能等；2.1 智能无人机关键硬件技术：机器视觉硬件技术n双目机器视觉（Snapdragon Flight等采用）:双目机器视觉基于三角定位原理，与人眼对三维世界的还原原理类似，通过比较两个同向摄像头拍摄的画面中同一物体的视角差来确定距离，从而从二维图像中还原出三维世界的模型：图7：双目机器视觉的原理左视角距离L右视角间距d左摄像头(x1,y1)右摄像头(x2,y2)数据来源：广发证券发展研究中心双目机器视觉仅需两个摄像头，但对计算能力的要求较高。双目机器视觉的门槛不在于根据视角、和间距d解算

35、距离L，而在计算机能够在画面中将物体从背景中“提取”出来。目前支持双目机器视觉的无人机参考设计使用旗舰Snapdragon 801/820，可见其对计算能力的要求之高。对人眼来说将一个物体从背景画面当中区来是一件很自然的事情，但对于计算机就不同了：同一景物在不同视点的摄像机图像平面上的成像会发生不同程度的扭曲和变形，要让计算机模糊分割出物体，图像分割算法需要做卷积/微分等大计算量运算；而无人机这种要求实时测距的场景下需要的总体计算性能就更高了。n红外激光视觉（Intel RealSense等采用）为了规避计算机视觉中识别物体的大量计算以及提高精度，以Intel为代表的一批厂商使用了红外激光视觉

36、技术，如Intel RealSense机器视觉模组。其基本原理见图8，其测距原理与双目视觉类似，但识别对象从物体替换成了打在物体表面的红外激光点。这样就从根本上消除了物体识别的计算需求。识别风险，发现价值请务必阅读末页的免责13 / 28行业深度|计算机应用图8：红外激光视觉的原理C红外激光器左视角距离L右视角左红外摄像(x1,y1)间距d右红外摄像(x2,y2)数据来源：广发证券发展研究中心红外激光视觉的必要代价是将两个摄像头替换为红外摄像头，并增加一个红外激光扫描器的硬件成本以及功耗。其中红外激光扫描器由一个红外激光发射器和MEMS扫描反射镜组成，整体增加的硬件成本较高。目前仅红外摄像+激

37、光组件在电商可到的价格超过￥1200，远高于Snapdragon820的大客户价（约￥400￥500，详细数字为商业）。其与Yuneec联合推出的首款无人机安装多个Realsense模块，预计售价超过￥10000，在价格上竞争力不足。除了对计算量要求小以外，红外激光机器视觉还具有两大优点：üü相比双目，其应用时间与范围更广，可在暗夜和照明条件不室内使用。相比双目，其有着更高的测距精度，能够精确还原物体的三维数据。图9和图10比较了和Intel的机器视觉方案三维建模效果比较，其中每张图的左图是室内环境的原图，而右图是深度图的深度图以颜色表征不同点的距离，而Intel的深度图以

38、灰度表征距离。对比两张深度图的细节就能发现红外激光相对与双目视觉的精度优势。图9：双目视觉对室内的建模结果图10：Intel红外激光视觉的建模结果室内环境深度图室内环境深度图数据来源：、广发证券发展研究中心数据来源：Intel、广发证券发展研究中心n超声波探测（大疆在内多家厂商使用作为辅助）超声波测障是一种较为成熟的技术，已广泛使用在军/民用多种应用场合之中。识别风险，发现价值请务必阅读末页的免责14 / 28行业深度|计算机应用超声波的优势在于能够有效识别，电线等双目视觉/红外激光视觉无法准备测距的物体。缺点在于精度较差，只能用于探测是否，无法提取精确空间用作路径规划。以大疆为代表的智能无人

39、机厂商使用超声波测障组件用作辅助覆盖机器视觉效果或精度较差的视觉死角和侧面方向的测障功能。消的旗舰无人机市场的领导者大疆创新也不愿错过智能无人机的浪潮，在其最新精灵4中同样采用了多种避障技术，双目机器视觉和超声。图11展示了大疆精灵4主电路板的拆解图：我们注意到大疆将数块的打磨清除，因此我们无法可以据此大疆使用了哪家大疆是外购厂的。或技术完成了机器视觉计算。但是似乎图11：大疆精灵4主电路板拆解图被大疆打磨掉的图传数据来源：EEtimes、广发证券发展研究中心n总结比较不同的机器视觉硬件技术表 8：不同机器视觉硬件技术的比较精度中高低光照较差环境差好光照无影响/电线等差差好价格中高低数据来源：

40、广发证券发展研究中心比较了双目视觉/红外激光视觉/超声波三种环境感知技术，我们可以发现一个重要规律：硬件配置依赖于的性能。当双目视觉技术需要高性能计算能力时，旗舰级移动CPU才被安上无人机；当精度要求和特殊场景（检测）识别风险，发现价值请务必阅读末页的免责15 / 28功耗中较高取决于探测距离指标双目视觉红外激光视觉超声波探测行业深度|计算机应用。未来智能无人机发展的关键依赖。时，红外激光和超声波才被引2.2 智能无人机关键技术智能无人机关键技术机器视觉技术、人工智能、OS/飞控/导航等必要的技术：üüü机器视觉技术支撑机器视觉硬件，对无人机所处三建模。人工智能技

41、术赋予无人机语音识别、人脸识别、图像识别等“智能”功能。OS/飞控/导航等则是智能无人机系统的必要组成。1) 机器视觉技术n光流算法光流算法是一种单摄像机视觉技术，完全依赖算法解决了检测和定位问题。光流法通过比较同一摄像机两张相邻时间的图像（差分运算）得到场景中不同物体的光流场。如果我们背景物体不动而是摄像机在，则可以通过相对速度得出不同背景距离摄像机的相对距离。光流法的优点在于其主要依赖计算能力识别物体和距离，因此对额外的光学和声学硬件需求小，更能节省成本。但其缺点在于精度低（可参考图12），且局限性较大（不适用于照明不良的室内，细小的电线）。目前腾讯发布的空影无人机（图13）采用了单摄像头

42、光流算法完成探测，并依靠超声波辅助避障。图12：光流法对人挥手的建模图13：腾讯发布的“空影”无人机背景中的人像画面中运动的手数据来源：CSDN、广发证券发展研究中心数据来源：腾讯、广发证券发展研究中心n图像分割算法边缘检测是一种应用广泛的图像分割算法，其原理是先对图像的灰度函数求导，再根据静态或动态的阈值设定检测出物体的边缘。其他的图像分割算法多尺度边缘检测、基于小波变换的分割算法、基于神经网络的分割算法等。边缘检测算法的效果图见图14，其产生的结果是进一步图像处理的基础，也是必须的。识别风险，发现价值请务必阅读末页的免责16 / 28行业深度|计算机应用图14：边缘检测算法的效果数据来源：

43、IPLT、广发证券发展研究中心各类边缘检测算法的共同特征是对计算要求非常高。例如实现的双目深度摄像解决方案中，需要单独使用801多核中的一个核运行专门的SIMD（Single instruction, multiple data, 单指令多数据）运算，并仅能提供30Hz的实时运算能力。对于飞行速度可高达20m/s的四轴无人机而言，这一频率意味着两次识别期间无人机已经飞过了0.66m，将不能对环境中突然出现的一些物体及时反应。2）人工智能技术n图像识别算法完成分割和三维建模后的数据对于无人机仅仅是物体的，仅能用作避障和路径规划。要让无人机区分物体是什么的技术是图像识别算法，其效果见图15。当无人

44、机载计算机能够具体区分物体和物体之间实质差别的时候，就能复杂的动作，如：完成更üüü对电力上的特定部件扫描检查。按照人类指令讲特定物体（橘子而不是香蕉）抓取并飞行到另一房间。在边境巡逻时区分普通动物还是可疑人形目标，并及警在2015年12月初举办的第六届ImageNet图像识别大赛中，微软击败了谷歌、英、和腾讯等公司获得第一名，其使用的“深度驻留学习技术”是“深度学习”技术（其原理见图16）的一种改进。微软系统在于人类识别物体的能力（5.1%）。中的错误率为3.5%，已好识别风险，发现价值请务必阅读末页的免责17 / 28行业深度|计算机应用图15：图像识别算法效

45、果图16：深度学习算法原理数据来源：Google、广发证券发展研究中心数据来源：、广发证券发展研究中心n人脸识别算法图像识别应用的一个子类：人脸和步态识别能够进一步拓展智能无人机的应用。目前现有的航拍无人机对地面人的区分能力较弱，所以实用的时候会发生“跟错人”跟踪目标。当步态/人脸识别技术能够成熟现象；而无人机也依赖操作搭载在智能无人机上之后，智能无人机就能够完成飞行，扫描和跟踪目标等任务，将减轻部门的人力负担。但目前无人机应用人脸识别算法依然具有一定门槛，在理想的测试库中如LFW（Labeled Faces in the Wild）测评中，最好成绩的准确率高达99.5%，已经超过人眼的准确率

46、，但在无人机应用场景中，诸多因素会导致识别准确率大幅下降：üüü无人机通常需要俯拍，大角度拍摄下能提取的较少；无人机与目标距离可变，远距离下画面量较少；室外光照条件变化，环境干扰等因素也会影响人脸识别的准确率；因此我们智能无人机短期内在以上技术难题解决之前过分倚重人脸识别算法完成任务，但长期来看人脸识别算法的会进一步拓展应用范围。目前在消无人机已有应用人脸识别的案例，例如创业公司“零零无限”推出的 “HoverCamera”航拍无人机，就配置了人脸识别跟踪功能。图18：Hover Camera使用人脸识别跟拍图17：Hover Camera无人机数据来源：零零无限

47、、广发证券发展研究中心数据来源：零零无限、广发证券发展研究中心n语音和语义识别算法识别风险，发现价值请务必阅读末页的免责18 / 28行业深度|计算机应用传统无人机依靠各类器飞行器飞行；无人机智能化后，语音操作将成为无人机的一种新的方式。这种方式将拓展其新应用领域。目前据在2016年CES上，无人机商Flypro发布了XEagle声控无人机，可以通过操作者进行飞行。使用语音识别操作无人机需要无人机的能够支撑关键算法：语音与语义识别算法。语音识别的作用是将声音转化为计算机能够理解文本，而语义识别将文本再转化为无人机需要执行的指令，完成任务。对于指挥无人机飞行这一应用场景，主要的难点在室内环境（噪

48、声，多人说话）提高语音识别准确率上。目前主流的提高语音识别准确度的技术是深度神经网络技术。目前在一定环境下的准确率已经能够做到很高，如科大讯飞（002230.SZ）语音识别准确率超过95%(官网宣传材料)。与图像分割算法不同的是，以神经网络为基础的图像识别/人脸识别/语音识别算法计算量根据使用场景差异较大。神经网络的训练过程需要大量的并行计算；但当神经网络的节点被训练完成而内部的参数固定下来以后，每次识别的计算量则保持一个固定值不变。某些应用下无人机载神经网络完全可以在出厂前就训练好并固化， 在应用时仅使用有限的计算资源。但当无人机需要做实时神经网络训练时，高性能并行计算硬件则成为算法能否发挥效能的基