随着AI技术在无人机领域的大规模应用，无人机开始变得越来越智能化。

不仅可以做到实时跟踪锁定拍摄，实时处理目标信息，还可以做到自动识别躲避障碍。​

这些动作的背后是无人机计算机视觉技术的突破。

计算机视觉技术，简单来说就是摄像头+传感器结合计算机模拟类似人眼与大脑的功能，来感知周围三维空间，进而识别物体、判断运动状态以及其他。

在无人机领域，计算机视觉技术主要解决两个问题。一个是距离感知，一个是目标检测。

距离感知，即实时感知周围环境，主要解决的是自动识别躲避障碍问题。空中环境虽然不如地面环境复杂，但也会面临很多未知风险，比如飞鸟，比如一些高的物体。在民用无人机领域里，因撞击障碍物导致无人机损毁的情况在所有损毁案例中占据着绝大部分。

目标检测，包括检测、跟踪识别、导航等等。可识别分析地面目标，实时跟踪拍摄就是很好的应用例子。

事实上，距离感知以及目标检测，可以概括为“对周边场景的实时监测与分析”。这不仅需要无人机具备优秀的信息收集能力，也需要无人机具备良好的信息处理判断能力。

信息收集能力主要依赖于硬件，比如雷达、摄像机等等，而信息处理判断能力则依赖于算法。

众所周知，在人工智能领域，算法模型的效果主要取决于投喂数据的质量，无人机领域也是如此。为了赋予无人机处理更加复杂场景的能力，前期投喂的数据就要做到海量、精细化、场景化、真实化，而这些数据则全部来源于数据标注。

无人机领域中主要应用到以下几种数据标注类型：

1.2D框

标注出车辆：

2.多边形

标注出车辆和人：

3.语义分割

对图片中的不同区域进行分割标注：

4.视频标注

跟踪标注视频中的车辆和行人

在这些真实数据的加持下，无人机的算法模型效果会更加精准，对飞行过程中的场景判断也会更加合理，无人机可以在以下领域发挥出更大作用：

1.车辆识别及跟踪

无人机搭配摄像后，基于深度学习，可以对道路上的人物及车辆进行实时识别与分析。

2.空对地探测

无人机结合高速运动相机和雷达，能对地面进行有效的拍摄和绘制3D地图，从而为相关机构提供地面的3D立体图及2D平面图。

3.无人机送货

配合激光雷达等传感器，无人机可以在飞行的过程中自动躲避障碍物，并识别分析地面目标，找到最合适的投递快递地点。

未来，无人机的应用领域将不仅局限于此，随着数据标注以及计算机视觉技术的逐渐发展，无人机的应用将创造更多可能。