2. 无人机降落场景与标志类型
无人机要实现安全、精准的自主降落，第一步不是“看见地面”，而是“认出地面上的目标”。降落标志就是无人机视觉系统与地面之间约定好的“身份语言”。不同标志在几何形状、编码容量、抗遮挡能力和检测算法复杂度上差异明显，因此理解常见降落标志的特征与适用场景，是设计降落识别与跟踪方案的基础。
一、核心原理：标志是视觉系统的“锚点”
无人机降落过程通常分为搜索、识别、对准、下降和触地五个阶段。在搜索阶段，机载相机视野大、目标小，标志需要具备远距离可检测性；在识别阶段，算法需要从背景中稳定提取标志区域；在对准阶段，标志的几何中心或编码坐标要能提供精确的位置和姿态信息；在下降阶段，标志还需在部分遮挡、光照变化和运动模糊下保持可跟踪。
因此，降落标志的设计本质上是在“检测距离、定位精度、编码容量、抗干扰能力、计算开销”之间做权衡。常见标志可分为两大类：一类是几何合作标志，如H标志、圆形/矩形合作标志，依靠形状和对比度被检测；另一类是编码标志，如二维码、ArUco、AprilTag，依靠内部编码图案提供唯一身份和位姿解算能力。
二、常见标志的几何特征与编码方式
H标志是最经典的降落标志。它通常由白色背景上的黑色或蓝色“H”形图案构成，外部可加圆形或方形边框。H标志的几何特征非常明确：两条竖线加一条横线，形成稳定的对称结构。其中心点容易通过轮廓矩或模板匹配获得，适合作为降落目标点。缺点是H标志本身不携带身份编码，多机场景下无法区分不同停机位。
二维码（如QR Code）具有高编码容量，可以写入停机位编号、坐标、任务信息等。其几何特征是三个定位角和一个校正图形，检测算法成熟。但二维码在远距离下模块模糊，通常需要无人机下降到较近高度才能稳定识别，因此更适合“最后十米”的精定位阶段。
ArUco是一种轻量级编码标志，由黑色边框和内部二进制矩阵组成。每个ArUco标记有唯一ID，检测时先提取四边形轮廓，再解码内部位模式。ArUco的优点是检测速度快、位姿解算稳定，适合实时性要求高的降落跟踪。其编码容量有限，但足以区分多个停机位。
AprilTag与ArUco类似，但采用更强的编码纠错和更优的码字设计，抗遮挡、抗模糊能力更强。AprilTag家族有16h5、25h9、36h11等不同规格，数字越大编码容量越高、检测距离越远，但计算量也越大。在无人机降落中，AprilTag常用于中远距离的稳定跟踪。
圆形/矩形合作标志通常由高对比度几何图形组成，如圆环、十字、三角形、棋盘格等。它们不依赖复杂编码，而是通过形状匹配、霍夫变换或轮廓分析来检测。圆形标志具有旋转不变性，矩形标志角点丰富，适合姿态解算。这类标志常用于室内、无GPS或光照可控的场景。
三、方法流程：从标志设计到识别跟踪
在实际工程中，选择降落标志通常遵循以下流程：
- 明确任务需求：降落距离、精度要求、是否多机、光照条件、机载算力。
- 选择标志类型：远距离搜索优先AprilTag或H标志；近距离精定位可选二维码或ArUco；室内可控场景可用圆形/矩形合作标志。
- 确定标志尺寸：标志边长与相机焦距、分辨率、检测距离满足近似关系：
像素尺寸 ≈ 焦距 × 标志实际尺寸 / 距离。 - 部署检测算法：阈值分割、轮廓提取、四边形拟合、解码或模板匹配。
- 位姿解算与跟踪：通过PnP求解相机相对标志的位姿，结合卡尔曼滤波平滑轨迹。
- 降落控制：将位姿误差输入位置控制器，驱动无人机对准并下降。
参数示例：若相机焦距为 600 像素，AprilTag 边长为 0.2 米，检测距离为 5 米，则标志在图像中的像素边长约为 600 × 0.2 / 5 = 24 像素。若要求至少 40 像素才能稳定解码，则需缩短距离或增大标志尺寸。
四、适用场景与对比清单
| 标志类型 | 几何特征 | 编码方式 | 检测距离 | 适用场景 |
|---|---|---|---|---|
| H标志 | 对称H形，中心明确 | 无编码 | 远 | 单机降落、应急停机点 |
| 二维码 | 三个定位角+数据模块 | 高容量二进制编码 | 近 | 停机位信息读取、最后精定位 |
| ArUco | 黑边框+内部码阵 | 字典ID编码 | 中 | 多机区分、实时位姿跟踪 |
| AprilTag | 黑边框+纠错码阵 | 强纠错码字 | 中远 | 抗遮挡、远距离稳定跟踪 |
| 圆形/矩形合作标志 | 圆环、十字、三角形等 | 无编码或简单图形编码 | 中近 | 室内、光照可控、低成本场景 |
五、误区与复盘
常见误区一：认为标志越大越好。标志过大在近距离会超出视野，反而丢失目标；应根据降落高度曲线选择尺寸，或采用多级标志。
常见误区二：忽略光照与材质。反光、褶皱、阴影会破坏标志的几何特征，导致轮廓提取失败。建议使用哑光材料并加边框。
常见误区三：只关注检测不关注跟踪。降落过程中标志尺度、角度快速变化，若没有滤波和预测，控制量会抖动。应结合卡尔曼滤波或光流跟踪。
复盘时可以用一张“场景—标志—算法”对照表检查：室外远距离优先AprilTag，室内多机优先ArUco，信息读取优先二维码，单机应急优先H标志，低成本教学优先圆形/矩形合作标志。只有让标志类型与场景需求匹配，后续的识别与跟踪算法才能发挥最大效果。