3、视觉定位基础：视觉定位的基本原理（特征点、光流、视觉里程计），以及在下视摄像头中的应用

视觉定位是PX4精准降落系统中感知层的核心环节。它的任务不是“看清”地面，而是回答一个更基本的问题：无人机相对于地面标志物，当前处于什么位置和姿态？ 在GPS信号良好时，这个问题可以由卫星导航回答；但在树荫、楼宇峡谷、桥下或室内环境中，GPS精度急剧下降甚至完全失效，此时视觉定位便成为唯一可靠的相对位姿信息来源。本章将系统讲解视觉定位的三大基础技术——特征点法、光流法和视觉里程计，并重点分析它们在下视摄像头场景中的工程应用与约束条件。

上图展示了PX4下视视觉定位的完整技术链路。摄像头采集图像后，三大算法模块并行或级联工作：特征点法提供稀疏但精确的匹配关系，光流法提供稠密的像素运动场，视觉里程计则基于前两者估计无人机的6自由度位姿变化。最终所有估计结果与IMU、气压计等传感器在扩展卡尔曼滤波（EKF）中融合，输出稳定、高频的位姿估计，供精准降落控制回路使用。下面我们逐一深入每个模块的原理与工程实现。

3.1 特征点法：从像素到几何约束

3.1.1 核心原理

特征点法的基本思想是：在图像中寻找具有显著纹理特征的像素点（角点、斑点等），然后通过描述子（Descriptor）在不同帧之间进行匹配，从而建立像素对应关系。以ORB特征为例，它结合了FAST角点检测和BRIEF描述子，具有旋转不变性和尺度不变性（通过图像金字塔实现）。在PX4下视场景中，常用的特征点包括：

• FAST角点：计算极快，适合实时系统，但缺乏尺度不变性。
• ORB特征：FAST + rBRIEF描述子，兼顾速度与鲁棒性，是PX4视觉里程计中的默认选择。
• AKAZE：非线性尺度空间特征，对光照变化更鲁棒，但计算量较大。

特征点匹配后，通过对极几何约束（Essential矩阵或Fundamental矩阵）可以恢复两帧之间的相对旋转和平移。当已知地面标志物的实际尺寸时，还可以通过PnP（Perspective-n-Point）算法直接求解相机在世界坐标系中的位姿。

3.1.2 下视场景中的工程挑战

下视摄像头与水平前视摄像头有本质区别：地面纹理往往呈现重复性、周期性（如草地、瓷砖、柏油路），这会导致特征匹配出现大量误匹配。此外，无人机降落过程中高度不断降低，图像尺度变化剧烈，特征点的尺度金字塔层数需要动态调整。下表总结了特征点法在下视场景中的关键参数与推荐值：

3.2 光流法：像素运动场与速度估计

3.2.1 核心原理

光流法不依赖特征描述子，而是直接估计图像中每个像素（或稀疏网格点）的运动矢量。其理论基础是亮度恒定假设：同一空间点在相邻两帧图像中的灰度值不变。对于下视摄像头，当无人机水平移动时，地面像素在图像平面上产生平移光流；当无人机垂直升降时，产生膨胀/收缩光流（即FOE，Focus of Expansion）。

在PX4中，光流传感器（如PX4FLOW或下视摄像头+光流算法）输出的不是像素流场，而是经过标定后的角速度补偿值。具体公式为：

v_x = (flow_x - ω_y * f) * h / f
v_y = (flow_y + ω_x * f) * h / f

其中，flow_x和flow_y是光流算法输出的像素位移，ω_x和ω_y是IMU测量的角速度，f是焦距（像素单位），h是当前高度（由激光测距或气压计提供）。这个公式的核心思想是：先去除旋转分量，再通过高度换算得到真实水平速度。

3.2.2 光流法的适用边界

光流法在下视场景中最大的优势是计算量低，适合在嵌入式平台上高频运行（100Hz以上）。但它有两个致命弱点：

1. 对纹理极度敏感：在纯色地面（如水泥地、雪地）上，光流方程病态，无法求解。
2. 尺度不确定性：光流只能给出像素运动，必须依赖外部高度信息才能换算成米制速度。高度误差会直接线性传递到速度估计中。

3.3 视觉里程计：帧间位姿估计与累积漂移

3.3.1 核心原理

视觉里程计（Visual Odometry, VO）的任务是连续估计相机（即无人机）的运动轨迹。它通常采用以下流程：

1. 特征提取与匹配：在连续帧之间建立特征对应关系。
2. 运动估计：通过2D-2D对极几何（本质矩阵分解）或3D-2D PnP求解帧间相对位姿。
3. 局部优化：使用滑动窗口或关键帧机制，对最近N帧的位姿和地图点进行捆绑调整（Bundle Adjustment）。
4. 尺度恢复：单目VO存在尺度模糊，必须融合IMU（视觉惯性里程计，VIO）或已知地面标志物尺寸来恢复真实尺度。

在PX4精准降落场景中，视觉里程计通常与IMU进行紧耦合或松耦合融合。PX4默认使用LPE（Local Position Estimator）或EKF2中的视觉位姿融合模块，接收VO输出的位姿增量或位姿。

3.3.2 下视VO的退化场景与应对

下视VO与水平VO最大的不同在于：旋转自由度退化。当无人机悬停或缓慢下降时，下视摄像头几乎只能看到纯平移运动，此时对极几何中的旋转估计变得病态。工程上通常采用以下策略：

• IMU预积分：用IMU的角速度积分来补偿帧间旋转，视觉只负责估计平移。
• 平面约束：假设降落区域为近似平面，将VO问题简化为单应矩阵（Homography）估计，减少未知量。
• 关键帧策略：只在位移超过阈值（如5cm）时插入关键帧，避免微小抖动导致的数值不稳定。

3.4 常见误区与工程总结