1. 專案概述

本專案旨在開發一套通用的無人機避障導航系統。初期利用 AirSim 模擬器的高精確度深度圖進行演算法驗證，最終目標是將程式碼移植至 DJI Tello 實體無人機，並整合 MiDaS 深度估計模型解決單目測距問題。

以下是 MiDaS 相關論文與Github連結：

https://github.com/isl-org/MiDaS

https://arxiv.org/abs/1907.01341

2. 專案目錄結構

目前採用模組化設計，將感知 (Perception) 與決策 (Planning) 分離，以利於未來抽換硬體介面。

project_root/
├── modules/              # 核心功能模組
│   ├── [perception.py](<http://perception.py>)     # 感知層：負責切換 AirSim (真值) 或 Tello (MiDaS)
│   ├── drone_[control.py](<http://control.py>)  # 控制層：封裝飛行指令 (Velocity Control)
│   ├── local_[planner.py](<http://planner.py>)  # 規劃層：實作混合式避障 (ROI + DWA)
│   └── global_[planner.py](<http://planner.py>) # (預計) RRT 全域路徑規劃
├── utils/                # 工具庫
│   ├── [visualization.py](<http://visualization.py>)  # 顯示深度圖、繪製預測軌跡
│   └── math_[utils.py](<http://utils.py>)     # 座標轉換、角度計算
├── tests/                # 測試驗證區
│   └── test_[perception.py](<http://perception.py>) # 目前進度：驗證影像讀取與自動起降
└── output/               # 執行紀錄 (Logs, Screenshots)

3. 核心知識點學習總結

3.1 視覺感知的差異（Simulation vs. Real World）

• AirSim（模擬器）
  • 具「上帝視角」，透過 DepthPlanar API 直接取得精確的絕對深度（單位：公尺）。
  • 優勢：適合開發與除錯避障邏輯，排除感測器雜訊干擾。
• DJI Tello（實體機）
  • 僅有單目 RGB 鏡頭，缺乏硬體深度傳感器（紅外線僅供定高）。
  • 挑戰：需解決「單目深度估計」問題。

3.2 深度估計方案：MiDaS

• 原理：利用深度學習模型學習單目線索（Monocular Cues），如近大遠小、遮擋關係、紋理密度、透視線條等。
• 特性：
  • 泛化性強：在電影、空拍、室內外等多種數據集訓練過，適應性高。
  • 相對深度（Relative Inverse Depth）：輸出為相對距離（數值大 = 近，數值小 = 遠），非公尺。
  • 尺度不變性：不依賴特定相機參數，即便 Tello 鏡頭未標定也能判斷前後關係。