2. 基础知识
视觉降落不是单一算法问题，而是“飞行平台 + 移动目标 + 视觉感知 + 坐标统一”的系统工程。要理解后续的检测、跟踪、位姿估计与控制，必须先建立四类基础认知：无人机由哪些子系统构成、移动平台有哪些典型形态、视觉传感器如何分类、以及不同坐标系之间如何完成变换。本章围绕这四点展开，为后续工程实现打地基。
一、无人机系统组成：降落任务的承载者
从视觉降落视角看，无人机可拆解为五个关键子系统。它们共同决定“能不能看见、能不能算准、能不能落稳”。
- 机体与动力系统：机架、电机、电调、螺旋桨、电池。决定载荷能力、悬停稳定性与抗风性，直接影响视觉系统的抖动程度。
- 飞行控制系统：IMU、气压计、磁力计、GPS/RTK、飞控固件。提供姿态、高度与位置估计，是视觉位姿的融合基础。
- 视觉感知系统：相机、镜头、云台、图传、机载计算单元。负责采集图像并输出目标检测与位姿结果。
- 通信链路：遥控链路、图传链路、数传链路。决定图像回传延迟与指令响应实时性。
- 任务载荷与执行机构：云台、投放机构、降落缓冲结构。影响降落末段的接触安全。
二、移动平台类型：目标不是静止的
移动平台决定了降落难度。静止平台只需解决精度问题，移动平台还要解决预测与跟踪问题。常见类型如下表所示。
| 平台类型 | 典型运动特征 | 视觉降落难点 | 常用标志 |
|---|---|---|---|
| 地面车辆 | 二维平面运动，速度中等 | 运动模糊、遮挡、速度突变 | ArUco、AprilTag |
| 无人船 | 水面起伏、横摇纵摇 | 姿态扰动、反光、水花遮挡 | 高对比度合作标志 |
| 移动机器人 | 低速、可预测轨迹 | 平台尺寸小、标志易被遮挡 | 二维码、红外标志 |
| 另一架无人机 | 三维机动、相对速度大 | 相对位姿估计、气流干扰 | 机载视觉标志 |
| 固定平台 | 静止或微振动 | 精度与光照变化 | 棋盘格、同心圆 |
平台运动越复杂，越需要引入预测模型。例如对地面车辆可用匀速模型估计下一时刻位置，对无人船则需加入姿态补偿。
三、视觉传感器分类：选择决定能力边界
视觉传感器可按成像维度与信息类型分类。不同传感器提供的约束不同，直接决定位姿解算方法。
- 单目相机：成本低、体积小，但缺少绝对尺度，需依赖已知标志尺寸或运动估计。
- 双目相机：可提供深度，尺度可恢复，但标定复杂、计算量大。
- RGB-D相机：直接输出深度图，适合近距离降落，但室外强光下易失效。
- 红外/热成像：抗光照变化，适合夜间或烟尘环境，但分辨率与纹理较弱。
- 事件相机：高动态、低延迟，适合高速运动，但算法生态尚不成熟。
四、坐标系变换基础：把“看见”变成“能控制”
视觉降落的本质是把图像中的像素点，转换到飞控可用的机体或世界坐标。常用坐标系包括：
- 像素坐标系：图像行列坐标 (u, v)，单位像素。
- 图像坐标系：以光心投影为中心的物理坐标 (x, y)，单位毫米。
- 相机坐标系：以相机光心为原点，Z轴沿光轴。
- 机体坐标系：以无人机重心为原点，前右下或前左上。
- 世界坐标系：固定于地面或降落平台，用于绝对定位。
变换链条为：像素 → 图像 → 相机 → 机体 → 世界。核心公式为相机内参矩阵 K 与外参矩阵 [R|t]：
像素到相机：
[ u ] [ fx 0 cx ] [ Xc/Zc ]
[ v ] = [ 0 fy cy ] [ Yc/Zc ]
[ 1 ] [ 0 0 1 ] [ 1 ]
相机到机体：
P_body = R_cb * P_cam + t_cb
机体到世界：
P_world = R_wb * P_body + t_wb其中 fx、fy 为焦距，cx、cy 为主点，R 为旋转矩阵，t 为平移向量。实际工程中，这些参数通过标定获得，并随云台角度实时更新。
五、案例与常见误区复盘
以“无人机降落到行驶中的地面车辆”为例：相机采集图像后，通过ArUco标志检测得到四个角点像素坐标；利用已知标志尺寸与相机内参，通过PnP解算得到相机坐标系下的位姿；再经云台角度与机体安装矩阵变换到机体坐标系；最后结合车辆速度预测，生成降落轨迹。整个链条中，任何一步标定误差都会导致落点偏移。
常见误区二：用单目相机却不提供标志真实尺寸，尺度不可恢复。
常见误区三：标定一次长期使用，忽略温度与振动引起的参数漂移。
常见误区四：只做坐标变换不做时间同步，图像与飞控状态错位。
复盘建议：建立“标定—验证—监控”闭环。每次飞行前用已知标志验证重投影误差，飞行中监控位姿跳变，飞行后回放日志定位误差来源。只有把系统组成、平台特性、传感器能力与坐标变换统一理解，视觉降落才能从“能看见”走向“能落准”。