2. 基础知识
无人机视觉引导末端进近控制的核心，是把“图像中的目标”转化为“机体可执行的速度或位置指令”。这条链路涉及四个基础模块：坐标系与姿态、相机模型、视觉传感器、无人机运动学与动力学。它们分别回答“在哪里”“怎么投影”“用什么看”“怎么动”四个问题。理解它们之间的数据流关系，是后续标定、位姿估计与控制器设计的前提。
一、坐标系与姿态表示：把“在哪里”说清楚
无人机视觉引导中至少涉及四个坐标系：世界坐标系 W、机体坐标系 B、相机坐标系 C、图像像素坐标系。世界坐标系通常取起飞点或着陆平台中心，Z 轴朝上；机体坐标系遵循前-右-下（FRD）约定；相机坐标系以光轴为 Zc，与机体通过外参 R_BC、t_BC 固连。姿态表示常用三种形式：旋转矩阵 R（无奇异、冗余 9 参数）、欧拉角（直观但存在万向锁）、四元数 q（紧凑、适合积分与插值）。工程中常以四元数做状态传播，以欧拉角做人机交互显示。
二、相机模型：从三维点到像素的投影
针孔模型是最常用的近似：空间点 Pc=(Xc,Yc,Zc) 投影到像素 (u,v)，满足 u=fx·Xc/Zc+cx，v=fy·Yc/Zc+cy。写成矩阵形式为 λ·[u,v,1]ᵀ=K·[R|t]·Pw，其中 K 为内参矩阵，[R|t] 为相机外参。内参通过棋盘格标定获得，外参通过手眼标定或已知安装角获得。末端进近中，若已知目标实际尺寸或着陆标志尺寸，可由像素尺度反推深度 Zc；若使用双目或 RGB-D，则直接获得深度，避免单目尺度不确定性。
# 内参矩阵示例（1280×720，焦距约 900 像素）
K = [[900.0, 0.0, 640.0],
[ 0.0, 900.0, 360.0],
[ 0.0, 0.0, 1.0]]
# 由像素误差估计横向偏移（小角度近似）
# du = u_target - u_center
# dx_c ≈ du * Zc / fx
# dy_c ≈ dv * Zc / fy三、视觉传感器类型：选对“眼睛”
末端进近对视觉传感器的要求集中在：近距精度、动态范围、延迟与重量。单目 RGB 成本低、帧率高，但尺度缺失，需依赖已知目标尺寸或运动恢复结构；双目与结构光在 0.3～3 m 内深度精度好，适合着陆标志与平台边缘检测，但强光下结构光易失效；RGB-D 相机输出对齐的彩色与深度图，便于直接生成三维目标点，但室外红外干扰需注意；事件相机输出异步亮度变化，延迟极低、动态范围高，适合高速末端与强光/弱光切换场景，但算法生态仍在完善。
| 传感器 | 深度获取 | 近距精度 | 典型末端用途 |
|---|---|---|---|
| 单目 RGB | 需已知尺度/运动推断 | 中 | 标志检测、视觉伺服 |
| 双目 | 立体匹配 | 高（近距） | 平台相对位姿 |
| 结构光 | 编码图案 | 很高（近距） | 室内精准着陆 |
| RGB-D | 主动/被动融合 | 高 | 三维目标点生成 |
| 事件相机 | 不直接输出深度 | 依赖算法 | 高速、高动态跟踪 |
四、运动学与动力学：把指令变成运动
运动学描述几何关系：位置导数等于速度，姿态由角速度积分得到，不涉及力与质量。动力学描述力与力矩如何产生加速度：多旋翼受到总推力、重力、气动阻力与力矩，姿态控制器通过调整各电机转速改变推力方向，从而产生水平加速度。末端进近中，视觉模块输出的是位置或速度期望，控制器再将其转化为姿态角与油门。若忽略动力学延迟，视觉伺服容易在近距产生超调；若忽略运动学耦合，倾斜飞行时图像平移与机体平移不再一一对应。
五、案例与复盘：下视相机末端进近
某四旋翼使用下视单目相机跟踪地面着陆标志。流程为：检测标志四角点 → 解算相机相对标志的位姿 → 通过外参转换到机体坐标系 → 生成水平速度与高度速度指令 → 姿态/油门控制器执行。复盘发现两个问题：一是未标定相机与机体的安装角，导致悬停时图像中心与机体正下方存在固定偏差；二是未补偿相机曝光延迟，高速下降时图像滞后约 40 ms，引起高度方向轻微振荡。修正方法是重新做手眼标定，并在控制回路中加入延迟补偿项。