4. 精准降落关键技术

无人机从返航点到机库停机坪的最后几米，是整条自动起降链路中容错率最低的一段。GPS 在机库顶棚、楼宇夹缝或室内环境中往往只能提供米级定位，而停机坪的有效落点可能只有几十厘米见方。因此，精准降落必须依靠机载传感器对停机坪上的合作标志或环境特征进行近距离感知，把水平误差从米级压缩到厘米级，并同时保证高度、姿态与下降速度可控。

一、核心原理：从“绝对定位”切换到“相对定位”

精准降落的本质是一次定位基准的切换。远距离阶段使用 GNSS/RTK 获得绝对坐标，当无人机进入机库上方约 10～30 米时，视觉、红外或雷达传感器开始捕获停机坪标志，输出无人机相对于标志的位姿（x、y、z、偏航角），飞控据此修正水平位置并控制下降。整个过程可概括为“远靠卫星、近靠标志、末端靠融合”。

不同传感器的物理机理决定了它们各自的适用边界：

• 视觉标记识别：用单目或双目相机拍摄停机坪上的高对比度图案，通过特征点提取与透视变换解算相对位姿，分辨率高、成本低，但受光照和纹理影响大。
• 二维码/ArUco 码：属于视觉标记的一种结构化实现。ArUco 码由黑色边框和内部二进制编码组成，检测算法可快速定位四个角点并识别 ID，抗误检能力强，适合多机库、多停机位的场景。
• 红外引导：停机坪布置红外 LED 阵列，机载红外相机在夜间或低照度下仍能稳定成像，形成“主动发光标志”，弥补可见光视觉的暗光短板。
• 毫米波雷达：发射 60GHz/77GHz 调频连续波，测量相对距离与径向速度，对雨雾、扬尘和强光不敏感，可在视觉失效时提供高度与垂速的冗余观测。
• 多传感器融合：用扩展卡尔曼滤波或因子图优化，把视觉位姿、雷达距离、IMU 与气压高度统一到同一状态估计中，实现“谁可靠就信谁”的动态加权。

二、方法流程：一次完整的精准降落

以 ArUco 码 + 毫米波雷达 + IMU 的融合方案为例，典型流程如下：

1. 标志捕获：无人机到达机库上方悬停点，相机以俯视角度搜索停机坪，检测 ArUco 码的四个角点。
2. 位姿解算：根据已知码的物理尺寸和相机内参，用 PnP 算法解出相机坐标系下的平移与旋转。
3. 坐标变换：将相机位姿转换到机体坐标系，再转换到停机坪坐标系，得到水平偏差 Δx、Δy 和偏航偏差 Δψ。
4. 融合滤波：把视觉位姿与雷达高度、IMU 角速度送入 EKF，抑制视觉跳变和雷达噪声。
5. 下降控制：位置环修正水平偏差，速度环控制下降率，接近停机坪时降低垂速并保持姿态平稳。
6. 触地判定：雷达距离小于阈值且垂速接近零，或起落架触地开关触发，飞控切至降落完成状态。

marker_size: 0.30 m          # ArUco 码边长
camera_fx: 620 px            # 相机焦距
detect_altitude: 0.5~8.0 m   # 视觉有效高度窗口
radar_range: 0.1~15 m        # 毫米波雷达量程
fusion_rate: 50 Hz           # 融合滤波更新频率
land_vel_max: 0.3 m/s        # 末端最大下降速度
xy_tolerance: 0.08 m         # 水平落点容差

三、多传感器融合的信号链与判据

下图展示从停机坪标志到飞控落点决策的信号链：视觉与红外提供相对位姿，毫米波雷达提供距离与速度，IMU 提供姿态与角速度，融合模块输出统一状态，最终由降落判据决定是否触地。

四、案例与场景：机库顶棚下的夜间降落

某物流无人机机库位于楼顶，夜间环境照度低于 5 lux，且顶棚边缘会遮挡部分 GPS 信号。该机库采用“ArUco 码 + 红外 LED 阵列 + 毫米波雷达”的组合方案：停机坪中央铺设 30 cm 的 ArUco 码，四角布置 850 nm 红外 LED；无人机底部同时安装可见光相机、红外相机和 60 GHz 雷达。

白天降落时，可见光相机在 6 米高度捕获 ArUco 码，水平偏差修正至 5 cm 以内；夜间可见光失效，红外相机接管，识别 LED 阵列形成的四个亮点，配合雷达高度完成下降。若遇到扬尘导致红外图像模糊，融合模块会降低视觉权重，依靠雷达距离和 IMU 惯性递推维持下降，直到触地开关触发。实测夜间降落成功率从纯视觉方案的 72% 提升到 96% 以上。

五、常见误区与复盘

复盘时建议重点检查三项：标志检测的置信度阈值是否合理、融合滤波的异常剔除是否及时、末端下降速度是否与雷达量程匹配。只有把传感器特性、标志设计和飞控参数作为一个整体来调，精准降落才能从“偶尔成功”变成“稳定可重复”。