如果你按照我上面所说的一步一步地实验到这里，你的无人机肯定已经坠落过了——至少好几次。我已经无数次地把我的无人机的保护外壳给它粘回机身上，直到它解体，随后我只好再买了一个新的。我不得不说，其实 Parrot AR.Drone 型在没有保护外壳的时候飞行得更好。但这种方式会使无人机变得很危险。因为没有保护外壳的话，一旦无人机撞到东西，它的螺旋桨就会直接打到物体上，并留下刮痕。

　　- 从网页上控制无人机飞行

　　为无人机开发一个基于网页的控制页面挺简单且效果不错。用如下所示的 express.js 框架就可以搭建一个很小巧的网页服务器。

　　var express = require(‘express’);

　　app.get(‘/’, function (req, res) {

　　res.sendFile(path.join(__dirname + ‘/index.html’));

　　});

　　app.get(‘/land’, function(req, res) {

　　client.land();

　　});

　　app.get(‘/takeoff’, function(req, res) {

　　client.takeoff();

　　});

　　app.listen(3000, function () {

　　});

　　我用下面的代码来通过一个按钮发送 AJAX 请求。

　　Takeoff

　　Land

　　- 从无人机上导出视频流

　　我发现把无人机上的摄像头拍摄的视频导出的方法就是：建立一个持续的连接，并把摄像头拍摄的 PNG 图片发送到我的网站的网页上。通过使用 AR.Drone 无人机的库(见下面的代码)，网页服务器不断地把无人机摄像头拍摄的 PNG 画面拉取出来。

　　var pngStream = client.getPngStream();

　　pngStream

　　.on(‘error’, console.log)

　　.on(‘data’, function(pngBuffer) {

　　sendPng(pngBuffer);

　　}

　　function sendPng(buffer) {

　　res.write(‘–daboundary\nContent-Type: image/png\nContent-length: ‘ + buff

　　er.length + ‘\n\n’);

　　res.write(buffer);

　　});

　　- 对从无人机获取的图像进行人脸识别

　　微软的 Azure Face API 系统很容易上手，且功能强大。你上传你朋友的照片给它，这个系统就能识别出他们是谁。它也能猜测人物的年龄和性别。我发现这两个功能的识别准确率是惊人的高。整个识别的延迟大概是200毫秒。识别1000次请求花费1.5美元。对我而言，这个价格对于这种应用是相当合理的。下面是我的代码，它实现了发送图片给 API 来做人脸识别的功能。

　　var oxford = require(‘project-oxford’),

　　oxc = new oxford.Client(CLIENT_KEY);

　　loadFaces = function() {

　　chris_url = “https://media.licdn.com/mpr/mpr/shrinknp_400_400/AAEAAQAALyAJGMyNmIzNWM0LTA5MTYtNDU4Mi05YjExLTgyMzVlMTZjYjEwYw.jpg”;

　　lukas_url = “https://media.licdn.com/mpr/mpr/shrinknp_400_400/p/3/000/058/147/34969d0.jpg”;

　　oxc.face.faceList.create(‘myFaces’);

　　oxc.face.faceList.addFace(‘myFaces’, {url => chris_url, name=> ‘Chris’});

　　oxc.face.faceList.addFace(‘myFaces’, {url => lukas_url, name=> ‘Lukas’});

　　}

　　oxc.face.detect({

　　path: ‘camera.png’,

　　analyzesAge: true,

　　analyzesGender: true

　　}).then(function (response) {

　　if (response.length > 0) {

　　drawFaces(response, filename)

　　}

　　});

　　我用了 ImageMagick 库来对我收集的PNG图片做打标签，效果相当好。对于这个部分其实可以有很多的扩展可能。比如用一个情感 API 来识别人脸所表现出来的情感。

　　- 运用语音来控制无人机

　　进行语音识别部分开发的难点并不是识别本身，而是如何把语音流从运行在我本地服务器上的网页里转换成微软 Speech API 可以使用格式。下面的代码就是实现这个功能的。一旦你能把语音保存成单声道和以正确的采样频率采样后，这个语音识别 API 就能很方便地识别语音内容。这个 API 的花费是1000次请求4美元。对于业余应用来说，直播，基本相当于是免费了。

　　RecordRTC 是一个很好的库，可以用来作为以网页为客户端的语音采集的新手入门的工具。在客户端，我就加入了保存语音文件的代码。

　　app.post(‘/audio’, function(req, res) {

　　var form = new formidable.IncomingForm();

　　// 设定允许客户在一个请求里上传多个文件

　　form.multiples = true;

　　form.uploadDir = path.join(__dirname, ‘/uploads’);

　　form.on(‘file’, function(field, file) {

　　filename = “audio.wav”

　　fs.rename(file.path, path.join(form.uploadDir, filename));

　　});

　　// 记录发生的错误日志

　　form.on(‘error’, function(err) {

　　console.log(‘An error has occured: \n’ + err);

　　});

　　// 一旦所有文件上传完成，才给客户端发相应

　　form.on(‘end’, function() {

　　res.end(‘success’);

　　});

　　// 解析出请求里包含的表单数据

　　form.parse(req)

　　speech.parseWav(‘uploads/audio.wav’, function(text) {

　　console.log(text);

　　controlDrone(text);

　　});

　　});

　　我使用 FFmpeg 工具来降低音频的采样率，并把多声道合并成单声道，以供微软 API 使用。

　　exports.parseWav = function(wavPath, callback) {

　　var cmd = ‘ffmpeg -i ‘ + wavPath + ‘ -ar 8000 -ac 1 -y tmp.wav’;

　　exec(cmd, function(error, stdout, stderr) {

　　console.log(stderr); // command output is in stdout

　　});

　　postToOxford(callback);

　　});

　　尽管我开发的功能就是这些，但是还是可以继续扩展。比如用微软的文字变语音的 API 来让无人机说话!

　　- 开发自主搜索路径