3. 自动起降技术原理
无人机要实现“自动起飞—悬停—进近—精准降落—归位机库”的闭环，核心并不只是飞控算法，而是多源定位与导航信息在起降全过程中的融合与切换。起降阶段距离短、高度低、环境复杂，单一传感器往往无法同时满足精度、刷新率、抗干扰和可靠性要求，因此工程上普遍采用GPS/RTK、视觉、激光雷达、超声波与惯性导航组合的方案。理解各传感器在起降中的角色，是设计机库联动逻辑的基础。
一、核心原理：从“绝对定位”到“相对定位”的接力
自动起降的定位需求可以拆成三层：绝对位置（我在哪）、相对位置（我离降落点多远）、姿态与速度（我是否稳定）。GPS/RTK提供厘米级绝对坐标，是远距离返航和进近初段的主基准；视觉与激光雷达在最后几十米提供相对降落点的精确位姿；超声波在最后几米补足高度测量；IMU与气压计则保证高频姿态和短时推算。组合导航的本质，是让不同传感器在各自最可靠的区间“接力”，而不是全程依赖某一个。
关键认知：起降精度不是由某一个传感器单独决定的，而是由“切换时机 + 融合权重 + 失效降级策略”共同决定。RTK再准，如果最后5米没有视觉或激光补位，落点仍可能漂移；视觉再强，如果没有RTK提供全局坐标，无人机可能找不到机库。
二、各传感器在起降中的分工与参数
| 传感器 | 起降阶段作用 | 典型精度/范围 | 优势 | 局限 |
|---|---|---|---|---|
| GPS/RTK | 返航、进近初段、绝对坐标 | RTK水平±2cm，GPS±1.5m | 全局无漂移，覆盖远 | 遮挡、多路径、磁干扰 |
| 视觉定位 | 最后10~30m相对位姿、标记识别 | 厘米级（依赖纹理/标记） | 信息丰富，可识别降落标识 | 弱光、逆光、无纹理失效 |
| 激光雷达 | 近地高度、障碍、地面平整度 | 毫米~厘米级 | 不受光照影响，测距准 | 雨雾衰减、成本高 |
| 超声波 | 最后0.3~5m高度测量 | 厘米级 | 低成本、近距可靠 | 量程短、受地面材质影响 |
| IMU/气压计 | 高频姿态、速度、短时推算 | 姿态0.1°，气压±0.5m | 刷新率高，抗短时丢失 | 积分漂移，需外部校正 |
三、方法流程：起降中的导航切换逻辑
以机库自动降落为例，典型流程如下：
- 返航段（>50m）：以RTK/GPS为主，飞控按航线飞向机库上方，IMU提供姿态稳定。
- 进近段（50~10m）：RTK继续提供水平位置，视觉开始搜索机库降落标识，激光雷达扫描地面障碍。
- 精降段（10~1m）：视觉/激光接管水平与高度，RTK权重降低，超声波在最后5m介入高度测量。
- 触地判断：超声波高度突变 + IMU加速度变化 + 视觉标识消失，三者联合判断已着陆。
- 归位段：机库滑轨/升降平台接管，无人机断电或进入充电状态。
# 典型组合导航权重切换示例（伪配置）
nav_mode:
far_range: { gps_rtk: 0.8, imu: 0.2 }
approach: { gps_rtk: 0.5, vision: 0.3, imu: 0.2 }
precision: { vision: 0.5, lidar: 0.3, ultrasonic: 0.2 }
touchdown: { ultrasonic: 0.6, imu: 0.4 }
四、场景案例：机库精准降落的传感器接力
某电力巡检机库要求无人机在3级风、夜间、机库上方有部分遮挡条件下自动降落。实际调试中发现：仅靠RTK，落点偏差约15~25cm，无法进入机库滑轨；加入视觉后，白天可稳定在5cm内，但夜间标识识别率下降；最终采用“RTK粗定位 + 红外补光视觉 + 激光雷达测高 + 超声波触地”的组合，落点稳定在3cm内。这个案例说明，起降精度是传感器组合与场景适配的结果，不是单一器件的参数竞赛。
五、误区与复盘：起降定位常见问题
误区一：认为RTK可以包办一切。RTK在机库附近容易受金属结构多路径影响，水平漂移可达十几厘米，必须用视觉或激光做末端修正。
误区二：忽略时间同步。视觉、激光、IMU时间戳不同步，融合后会出现“位置抖动”，尤其在快速下降阶段更明显。
误区三：只调参数，不设计降级策略。夜间视觉失效、雨雾激光衰减时，若没有超声波和IMU兜底，无人机可能悬停或硬着陆。
复盘建议：每次自动起降测试后，记录各传感器在关键高度区间的输出与切换时刻，重点检查“切换点是否平滑”“失效时是否降级”“触地判断是否误触发”。把这三项做成检查清单，比单纯追求单传感器精度更能提升机库联动的成功率。
综上，GPS/RTK、视觉、激光雷达、超声波与组合导航在自动起降中并非互相替代，而是按高度和场景分工协作。理解它们的接力关系与切换逻辑，才能让无人机在机库场景中实现稳定、精准、可复现的自动起降。