3. 视觉感知基础

在无人机降落标志识别任务中，相机是唯一的“眼睛”。要让算法从图像中稳定地找到标志并估计相对位姿，必须先理解图像是怎样形成的、像素坐标与真实世界坐标之间如何建立映射。本节围绕针孔成像、内外参、畸变模型、坐标系变换和图像采集流程展开，为后续标志检测与跟踪打下几何基础。

一、针孔成像：从三维世界到二维像素

针孔模型是最常用的相机成像近似。假设光线从物体表面出发，穿过光心后在像平面上投影，物体上一点 P(X,Y,Z) 与图像点 p(u,v) 满足透视投影关系。用齐次坐标可写为：

s · [u, v, 1]^T = K · [R | t] · [X, Y, Z, 1]^T

K = [ fx  0  cx
       0 fy  cy
       0  0   1 ]

其中 s 是尺度因子，K 为内参矩阵，R 和 t 为外参。针孔模型忽略了镜头厚度与畸变，但在视场角不大、标定良好的情况下，足以支撑降落标志的定位与跟踪。

二、内参与外参：相机“自身属性”和“位姿关系”

内参描述相机自身的成像特性，包括焦距 fx、fy、主点 cx、cy，有时还包括倾斜因子 skew。它们由镜头、传感器和分辨率共同决定，通常通过棋盘格标定获得。外参描述相机在世界坐标系中的位置和朝向，即旋转矩阵 R 与平移向量 t。在无人机降落场景中，外参会随无人机运动实时变化，而内参在飞行过程中基本保持不变。

三、畸变模型：真实镜头的“非线性修正”

真实镜头并非理想针孔，尤其广角镜头边缘会产生明显弯曲。常见畸变包括径向畸变和切向畸变。径向畸变使直线在图像边缘向外或向内弯曲，切向畸变则由镜头与传感器不平行引起。OpenCV 常用五参数模型：

x_dist = x(1 + k1 r^2 + k2 r^4 + k3 r^6)
y_dist = y(1 + k1 r^2 + k2 r^4 + k3 r^6)

x_corr = x_dist + 2 p1 x y + p2 (r^2 + 2 x^2)
y_corr = y_dist + p1 (r^2 + 2 y^2) + 2 p2 x y

在降落标志识别中，若忽略畸变，标志角点会偏离真实位置，导致位姿估计出现偏差。因此，采集图像后通常先进行去畸变，再进入检测与跟踪模块。

四、坐标系变换与图像采集流程

从世界点到像素点，通常经历四个坐标系：世界坐标系、相机坐标系、图像物理坐标系和像素坐标系。其变换链为：世界坐标 → 相机坐标（外参 R,t）→ 归一化平面 → 像素坐标（内参 K）→ 去畸变修正。无人机降落时，标志在世界坐标系中的位置已知，通过检测图像中的标志角点，可反推相机外参，从而得到无人机相对降落点的位姿。

图像采集流程可概括为：镜头汇聚光线 → 传感器曝光 → 模拟信号转数字信号 → 图像输出。对于无人机视觉，还需关注曝光时间、帧率、滚动快门和运动模糊。降落过程中无人机存在升降与平移，若曝光时间过长，标志边缘会拖影，角点检测精度下降。因此，通常优先保证足够高的快门速度，并在光照不足时适当提高增益或使用辅助光源。

五、案例与常见误区

假设无人机在 3 米高度识别边长 0.5 米的降落标志。若相机焦距为 600 像素，则标志在图像中的边长约为 600 × 0.5 / 3 = 100 像素，足以稳定检测。若高度升至 10 米，边长仅约 30 像素，此时必须依赖更高分辨率或更长焦距，否则跟踪容易丢失。

复盘时建议检查：标定重投影误差是否达标、去畸变前后角点偏差是否明显、图像时间戳与飞控姿态是否同步、曝光是否造成运动模糊。只有把相机模型、内外参、畸变和采集流程串成一条完整链路，后续的降落标志识别与跟踪才能获得可靠的几何输入。