用于无人机自主降落的视觉辅助装置及视觉辅助方法.pdf

用于无人机自主降落的视觉辅助装置及视觉辅助方法，涉及无人飞行器领域，解决了现有利用机载照相设备获取识别跑道及地平线来感知无人机降落姿态的视觉辅助装置存在的缺乏多尺度分析机制而难以满足降落需求、姿态及位置标定效果较差、缺乏对无人机运动行为的深度预测的问题。本发明的视觉辅助装置包括：两轴转台、转台电机、电源模块、单目定焦相机、视觉辅助信息处理模块和信息存储模块，视觉辅助信息处理模块包括：着陆轨迹重规划模块、数据对比器、信息过滤器、基于图像控制的计算机视觉处理器、基于位置控制的计算机视觉处理器、第一反馈修正器、第二反馈修正器、信息融合参数提取器和RS485通讯接口。本发明结构简单、功耗低、高效、兼容性好。

1.  用于无人机自主降落的视觉辅助装置，其特征在于，包括：
安装在无人机头部位置的两轴转台；
与两轴转台相连的转台电机，用于驱动两轴转台运动；
与转台电机相连的电源模块；
与电源模块相连的单目定焦相机、视觉辅助信息处理模块和信息存储模块，所述单目定焦相机与视觉辅助信息处理模块相连，所述视觉辅助信息处理模块分别与信息存储模块和无人机飞行控制系统相连，所述信息存储模块用于存储视觉辅助信息处理模块输出的视频编码信息；
所述转台电机、电源模块、单目定焦相机、视觉辅助信息处理模块和信息存储模块均固定在两轴转台上；
视觉辅助信息处理模块包括：着陆轨迹重规划模块、数据对比器、信息过滤器、基于图像控制的计算机视觉处理器、基于位置控制的计算机视觉处理器、第一反馈修正器、第二反馈修正器、信息融合参数提取器和RS485通讯接口；
所述基于图像控制的计算机视觉处理器与第一反馈修正器相连，基于位置控制的计算机视觉处理器与第二反馈修正器相连；无人机飞行控制系统与数据对比器、单目定焦相机、信息过滤器、第二反馈修正器、信息融合参数提取器、着陆轨迹重规划模块、基于图像控制的计算机视觉处理器相连；信息融合参数提取器分别与第一反馈修正器、无人机机载传感器、数据对比器、单目定焦相机、信息过滤器、第二反馈修正器相连；着陆轨迹重规划模块分别与无人机机载传感器、数据对比器、单目定焦相机、信息过滤器均相连；所述视觉辅助信息处理模块与无人机飞行控制系统通过RS485通讯接口相连，实现两者之间的数据通信。

2.  根据权利要求1所述的用于无人机自主降落的视觉辅助装置，其特征在于，所述电源模块为转台电机和单目定焦相机提供12V电源。

3.  根据权利要求1所述的用于无人机自主降落的视觉辅助装置，其特征在于，所述电源模块为视觉辅助信息处理模块和信息存储模块提供5V电源。

4.  根据权利要求1所述的用于无人机自主降落的视觉辅助装置，其特征在 于，所述视觉辅助信息处理模块采用四核CortexA9作为处理核心芯片，电压5V。

5.  根据权利要求1所述的用于无人机自主降落的视觉辅助装置，其特征在于，所述信息存储模块采用三星MB-MP32D进行储存，电压5V。

6.  如权利要求1所述的用于无人机自主降落的视觉辅助装置的视觉辅助方法，其特征在于，该方法包括以下步骤：
(1)将信息数据库与历史评估后的数据输入至视觉辅助信息处理模块中，同时着陆航迹重规划模块利用知识库以及从无人机机载传感器、数据对比器、单目定焦相机、信息过滤器中获取的原始信息对无人机的着陆轨迹进行实时修正；
(2)将无人机机载传感器获取的惯导信息、GPS信息、星光信息传输给信息融合参数提取器，同时将数据对比器获取的参考信息、单目定焦相机获取的视觉信息、信息过滤器获取的参考信息传输给信息融合参数提取器；
(3)基于图像控制的计算机视觉处理器获取无人机的图像信息并将其转换为基于图像的视觉控制信号，同时将该基于图像的视觉控制信号传输给第一反馈修正器，第一反馈修正器再将该基于图像的视觉控制信号传输给信息融合参数提取器；
(4)基于位置控制的计算机视觉处理器获取无人机的位置信息并将其转换为基于位置的视觉控制信号，同时将该基于位置的视觉控制信号传输给第二反馈修正器，第二反馈修正器再将该基于位置的视觉控制信号传输给信息融合参数提取器；
(5)信息融合参数提取器通过对接收到的惯导信息、GPS信息、星光信息、参考信息、视觉信息、参考信息进行信息整合，对整合出的融合参数进行分析、学习与判别，解析出无人机飞行控制系统用于飞行管理控制的参数，并通过RS485通讯接口与无人机自主降落飞行控制模块进行通讯，辅助无人机飞行控制系统针对不同的降落阶段划分完成相应的控制工作；
(6)最后无人机飞行控制系统利用视觉辅助装置提供的信息，结合非线性控制与无人机姿态更新，控制无人机中的舵机完成无人机自主降落的所有工作。

7.  根据权利要求6所述的用于无人机自主降落的视觉辅助装置的视觉辅助方法，其特征在于，步骤(1)中，原始信息指的是：无人机机载传感器获取的惯导信息、GPS信息、星光信息，以及数据对比器获取的参考信息、单目定焦相机获取的视觉信息、信息过滤器获取的参考信息。

8.  根据权利要求6所述的用于无人机自主降落的视觉辅助装置的视觉辅助方法，其特征在于，步骤(5)中，降落阶段划分为感知进近、下滑对准、拉平着陆和滑跑制动。

用于无人机自主降落的视觉辅助装置及视觉辅助方法
技术领域
本发明涉及无人飞行器技术领域，具体涉及一种用于无人机自主降落的视觉辅助装置及视觉辅助方法。
背景技术
无人机位置和姿态信息的获取及协同控制是无人机自主降落技术的核心，为了使无人机在执行任务后能按照计划顺利降落，需要使无人机在远距离时即可感知到着陆区域，调整俯仰姿态和航向偏移；在感知进近(飞行器下降时对准跑道的过程)后，实时获取无人机位置和姿态信息，结合无人机飞行控制系统对准航向，按照规划的导航轨迹进行下滑；在规划拉平点时，确保无人机各飞行参数满足降落条件，并关闭发动机按照拉平轨迹线着陆；最后在滑跑刹车阶段确保无人机可以沿机场跑道线滑行，避免冲出跑道，并在指定区域内完成制动。因此如何准确获取无人机的各种参数是该技术实现的关键。
当前无人机自主降落过程中所采用的视觉辅助装置，通常是利用机载照相设备获取识别跑道及地平线来感知无人机降落姿态，但仍存在一些不足。首先，环境感知缺乏多尺度分析机制，无人机整个降落过程需要一系列连续操作，视场分辨率逐步提高，每个操作阶段所需获取的关键参数又有所差异，当前的视觉辅助系统大多采用同一尺度特征，难以满足上述过程的实际需求；其次，姿态及位置标定效果较差，对照相设备参数的标定未能良好地与无人机平台进行耦合，照相设备参数的获取更多依靠离线标定过程或在飞行过程中通过标定物孤立自标定获取，未能充分结合无人机自身平台器件的优势，影响了视觉辅助参数提取的精度；最后，缺乏对无人机运动行为的深度预测，当前的视觉辅助装置更多侧重于参数的采集，缺乏对采集参数的分析与深度挖掘，若对参数数据进行深度挖掘可将进一步提高无人机视觉辅助降落的精度和效果。
发明内容
为了解决现有利用机载照相设备获取识别跑道及地平线来感知无人机降落 姿态的视觉辅助装置存在的缺乏多尺度分析机制而难以满足降落需求、姿态及位置标定效果较差、缺乏对无人机运动行为的深度预测的问题，本发明提供一种用于无人机自主降落的视觉辅助装置及视觉辅助方法。
本发明为解决技术问题所采用的技术方案如下：
本发明的用于无人机自主降落的视觉辅助装置，包括：
安装在无人机头部位置的两轴转台；
与两轴转台相连的转台电机，用于驱动两轴转台运动；
与转台电机相连的电源模块；
与电源模块相连的单目定焦相机、视觉辅助信息处理模块和信息存储模块，所述单目定焦相机与视觉辅助信息处理模块相连，所述视觉辅助信息处理模块分别与信息存储模块和无人机飞行控制系统相连，所述信息存储模块用于存储视觉辅助信息处理模块输出的视频编码信息；
所述转台电机、电源模块、单目定焦相机、视觉辅助信息处理模块和信息存储模块均固定在两轴转台上；
视觉辅助信息处理模块包括：着陆轨迹重规划模块、数据对比器、信息过滤器、基于图像控制的计算机视觉处理器、基于位置控制的计算机视觉处理器、第一反馈修正器、第二反馈修正器、信息融合参数提取器和RS485通讯接口；
所述基于图像控制的计算机视觉处理器与第一反馈修正器相连，基于位置控制的计算机视觉处理器与第二反馈修正器相连；无人机飞行控制系统与数据对比器、单目定焦相机、信息过滤器、第二反馈修正器、信息融合参数提取器、着陆轨迹重规划模块、基于图像控制的计算机视觉处理器相连；信息融合参数提取器分别与第一反馈修正器、无人机机载传感器、数据对比器、单目定焦相机、信息过滤器、第二反馈修正器相连；着陆轨迹重规划模块分别与无人机机载传感器、数据对比器、单目定焦相机、信息过滤器均相连；所述视觉辅助信息处理模块与无人机飞行控制系统通过RS485通讯接口相连，实现两者之间的数据通信。
进一步的，所述电源模块为转台电机和单目定焦相机提供12V电源。
进一步的，所述电源模块为视觉辅助信息处理模块和信息存储模块提供5V 电源。
进一步的，所述视觉辅助信息处理模块采用四核CortexA9作为处理核心芯片，电压5V。
进一步的，所述信息存储模块采用三星MB-MP32D进行储存，电压5V。
本发明还提供一种用于无人机自主降落的视觉辅助装置的视觉辅助方法，该方法包括以下步骤：
(1)将信息数据库与历史评估后的数据输入至视觉辅助信息处理模块中，同时着陆航迹重规划模块利用知识库以及从无人机机载传感器、数据对比器、单目定焦相机、信息过滤器中获取的原始信息对无人机的着陆轨迹进行实时修正；
(2)将无人机机载传感器获取的惯导信息、GPS信息、星光信息传输给信息融合参数提取器，同时将数据对比器获取的参考信息、单目定焦相机获取的视觉信息、信息过滤器获取的参考信息传输给信息融合参数提取器；
(3)基于图像控制的计算机视觉处理器获取无人机的图像信息并将其转换为基于图像的视觉控制信号，同时将该基于图像的视觉控制信号传输给第一反馈修正器，第一反馈修正器再将该基于图像的视觉控制信号传输给信息融合参数提取器；
(4)基于位置控制的计算机视觉处理器获取无人机的位置信息并将其转换为基于位置的视觉控制信号，同时将该基于位置的视觉控制信号传输给第二反馈修正器，第二反馈修正器再将该基于位置的视觉控制信号传输给信息融合参数提取器；
(5)信息融合参数提取器通过对接收到的惯导信息、GPS信息、星光信息、参考信息、视觉信息、参考信息进行信息整合，对整合出的融合参数进行分析、学习与判别，解析出无人机飞行控制系统用于飞行管理控制的参数，并通过RS485通讯接口与无人机自主降落飞行控制模块进行通讯，辅助无人机飞行控制系统针对不同的降落阶段划分完成相应的控制工作；
(6)最后无人机飞行控制系统利用视觉辅助装置提供的信息，结合非线性控制与无人机姿态更新，控制无人机中的舵机完成无人机自主降落的所有工作。
进一步的步骤(1)中，原始信息指的是：无人机机载传感器获取的惯导信息、GPS信息、星光信息，以及数据对比器获取的参考信息、单目定焦相机获取的视觉信息、信息过滤器获取的参考信息。
进一步的，步骤(5)中，降落阶段划分为感知进近、下滑对准、拉平着陆和滑跑制动。
本发明的有益效果是：无人机的相对位置和姿态角是它稳定飞行和安全着陆必备的导航参数，本发明的目的是在于提供一种无人机降落时利用视觉信息，通过分析处理进行实时位置、姿态信息获取采集，实现降落运动轨迹跟踪与预测，辅助飞行控制系统完成自主降落中的感知进近、对准下滑及滑跑刹车等任务，同时具备结构简单、处理速度快及精度高等优点。
本发明针对无人机自主降落过程中视觉辅助装置需要解决的问题，构建了相应的装置结构，并设计了整体方案，无人机在自主降落过程中，通过摄像头和信息处理系统采集无人机降落位置及姿态参数并进行标定，预测飞行轨迹提供状态辨识，辅助飞行控制系统完成无人机感知进近、对准下滑及着陆刹车等任务的装置。
本发明通过高效快速的视觉信息处理系统实现了无人机降落阶段信息的自主采集、分析与协调控制，具备智能自主，不需要外部设备支持即可完成参数采集与分析等优点。
本发明能够通过基于耦合的相机标定并结合多尺度特征检测与参数提取技术实现无人机自主降落过程中的位置和姿态信息采集，同时可以获取并分析预测无人机的运动轨迹，协助飞行控制系统完成感知进近、对准下降以及滑跑刹车等功能。
本发明可以与无人机飞行控制系统进行耦合链接，以提高获取的无人机位置姿态精度，也可以在外部通讯设备受干扰或失效时，独立感知并获取环境信息提供飞行控制系统降落时所必需的参数。
本发明结构简单，功耗低，可直接装置在无人机头部位置，经内外参数标定后通过多种通讯接口与飞行控制系统相连，实现高效、实时的参数采集和准确的状态判断，并具备兼容性好等优点。
附图说明
图1为本发明的视觉辅助降落装置的组成框图。
图2为本发明的用于无人机自主降落的视觉辅助方法的过程示意图。
图3为视觉辅助降落阶段划分示意图。
图4为视觉辅助降落偏航调整范围示意图。
图5为拉平着陆标定效果图。
具体实施方式
以下结合附图对本发明做进一步详细说明。
如图1所示，本发明的用于无人机自主降落的视觉辅助装置，主要由两轴转台、转台电机、电源模块、单目定焦相机、视觉辅助信息处理模块和信息存储模块组成。两轴转台安装在无人机头部位置，转台电机、电源模块、单目定焦相机、视觉辅助信息处理模块和信息存储模块均固定在两轴转台上；转台电机与两轴转台相连，用于驱动两轴转台运动；电源模块分别与转台电机、单目定焦相机、视觉辅助信息处理模块和信息存储模块相连，用于给转台电机、单目定焦相机、视觉辅助信息处理模块和信息存储模块供电，其中，电源模块为转台电机和单目定焦相机提供12V电源，电源模块为视觉辅助信息处理模块和信息存储模块提供5V电源；单目定焦相机与视觉辅助信息处理模块相连；视觉辅助信息处理模块与信息存储模块相连，信息存储模块用于存储视觉辅助信息处理模块输出的视频编码信息；视觉辅助信息处理模块带有RS485通讯接口，视觉辅助信息处理模块与无人机飞行控制系统通过RS485通讯接口相连，实现两者之间的数据通信。无人机内部都安装有无人机飞行控制系统，无人机飞行控制系统为现有技术，无人机飞行控制系统主要由无人机自主降落飞行控制模块组成，用于实现无人机中的舵机的非线性控制以及更新无人机状态。
如图2所示，视觉辅助信息处理模块主要由着陆轨迹重规划模块、数据对比器、信息过滤器、基于图像控制的计算机视觉处理器、基于位置控制的计算机视觉处理器、第一反馈修正器、第二反馈修正器、信息融合参数提取器组成。基于图像控制的计算机视觉处理器与第一反馈修正器相连，基于位置控制的计算机视觉处理器与第二反馈修正器相连。无人机飞行控制系统与数据对比器、 单目定焦相机、信息过滤器、第二反馈修正器、信息融合参数提取器、着陆轨迹重规划模块、基于图像控制的计算机视觉处理器相连。信息融合参数提取器分别与第一反馈修正器、无人机机载传感器、数据对比器、单目定焦相机、信息过滤器、第二反馈修正器相连。着陆轨迹重规划模块分别与无人机机载传感器、数据对比器、单目定焦相机、信息过滤器均相连。
本实施方式中，所说的视觉辅助信息处理模块采用四核CortexA9作为处理核心芯片，电压5V；所说的信息存储模块采用三星MB-MP32D进行储存，电压5V。
如图2所示，本发明的用于无人机自主降落的视觉辅助方法，是基于上述的视觉辅助装置的基础上实现的，该方法包括以下步骤：
(1)将信息数据库与历史评估后的数据输入至视觉辅助信息处理模块中，同时着陆航迹重规划模块利用知识库以及从无人机机载传感器、数据对比器、单目定焦相机、信息过滤器中获取的原始信息(原始信息指的是：无人机机载传感器获取的惯导信息、GPS信息、星光信息，以及数据对比器获取的参考信息、单目定焦相机获取的视觉信息、信息过滤器获取的参考信息)对无人机的着陆轨迹进行实时修正；
(2)将无人机机载传感器获取的惯导信息、GPS信息、星光信息传输给信息融合参数提取器，同时将数据对比器获取的参考信息、单目定焦相机获取的视觉信息、信息过滤器获取的参考信息传输给信息融合参数提取器；
(3)基于图像控制的计算机视觉处理器获取无人机的图像信息并将其转换为基于图像的视觉控制信号，同时将该基于图像的视觉控制信号传输给第一反馈修正器，第一反馈修正器再将该基于图像的视觉控制信号传输给信息融合参数提取器；
(4)基于位置控制的计算机视觉处理器获取无人机的位置信息并将其转换为基于位置的视觉控制信号，同时将该基于位置的视觉控制信号传输给第二反馈修正器，第二反馈修正器再将该基于位置的视觉控制信号传输给信息融合参数提取器；
(5)信息融合参数提取器通过对接收到的惯导信息、GPS信息、星光信息、 参考信息、视觉信息、参考信息进行信息整合，对整合出的融合参数进行分析、学习与判别，解析出无人机飞行控制系统用于飞行管理控制的关键参数(指的是无人机飞行的各项参数：角速度信息、加速度信息、磁场矢量信息、位置信息、速度信息、气压高度信息等)，并通过RS485通讯接口与无人机自主降落飞行控制模块进行通讯，辅助无人机飞行控制系统针对不同的降落阶段划分完成相应的控制工作；
(6)最后无人机飞行控制系统利用视觉辅助装置提供的信息，结合非线性控制与无人机姿态更新，控制无人机中的舵机完成无人机自主降落的所有工作。
根据本发明的用于无人机自主降落的视觉辅助装置完成无人机自主降落阶段划分，在各阶段中对本发明的视觉辅助装置和视觉辅助方法进行详细说明。
(1)阶段划分
通过分析无人机自主降落的特点，将无人机自主降落过程进行阶段性划分，确定各阶段的一些关键参数，并进行多尺度特征设计。如图3所示，本发明结合无人机自主降落过程中的不同任务特性，将其划分为四个阶段，即感知进近、下滑对准、拉平着陆和滑跑制动。
(2)感知进近
感知进近阶段主要涉及针对感知特性的相机进行选取确定以及相机内方元素标定。
1)针对感知特性的相机进行选取确定
无人机在接受回归指令后，即在某巡航高度上开始下降；当下降到预定高度或视距达到预定值时(如高度600m、视距6000m时)，开始对视场范围进行检测，获取跑道方位开始进场，此时机场跑道线识别精度低，获取无人机位姿的多尺度特征为天地线和机场整体图像；随着分辨力的提高，视觉辅助装置将逐步获取航向信标参数以修正跑道方位；并通知无人机飞行控制系统逐渐减小飞行速度，但不应使下滑速度低于无人机失速速度的1.3～1.5倍。
无人机自主降落过程需要在视距不大于8000m、高度在400m～1000m的范围内开始运行和感知识别机场，并通过多尺度特征检测提取关键参数，协助无人 机飞行控制系统一直持续到无人机完成降落。无人机下滑轨迹与地面夹角即下滑角为3°～5°，考虑到投影变换，跑道在垂直于无人机下滑轨迹方向的垂直投影方向大小通常可以满足透视条件。
本发明选用单目定焦相机，针对水平投影及不同降落阶段的需求进行设计。在感知进近阶段中，进近点需求最高，此时：
      f=8×10-3×6×750020=18mm---(1)]]>      
通过计算，选用焦距为18mm，对应视场角不大于16.2°*12.2°的镜头，即可满足后续整个视觉辅助降落过程中的图像处理需求；根据光学系统设计和图像处理需求，为提高分辨力进而提高识别精度，此时视场角应越小越好，通过计算，最小视场角满足7.6°*5.7°时，即可确保目标在可识别区域范围内，同时为增加计算裕度，选取8°*6°的镜头进行图像采集，对应焦距为36mm，此时根据成像模型计算可得图像大小为18*13像素，即可满足图像处理需求。
2)内方元素标定
为了通过视觉辅助装置实现感知进近，需要建立单目定焦相机图像像素位置与感知场景位置之间的关系，具体的方法是根据单目定焦相机模型，求解单目定焦相机的模型参数，对单目定焦相机进行内方元素标定，进而得到特征对应的参数坐标，本发明的内方元素标定算法为：
            
      β(m)=arctan(msinβM-m+mcosβ)---(3)]]>      
式(2)中：n为X方向的图像像素坐标，N为图像在X方向上的总像素数，为X方向截面的可视角，为X方向原点到第n像素对应的夹角；式(3)中：m为Y方向的图像像素坐标，M为图像在Y方向上的总像素数，β为Y方向截面的 可视角，β(m)为Y方向原点到第n像素对应的夹角。
(3)下滑对准
下滑对准阶段主要涉及多尺度特征提取及位姿信息获取。
1)多尺度特征提取：当无人机完成感知进近任务，此时需要确保无人机偏航方向在可控制范围内。如图4所示，断开无人机飞行控制系统中的高度保持系统，按照感知进近获取的降落导航信号协助无人机飞行控制系统生成导航轨迹并开始下滑，对应下滑角范围为3°～5°。随着视场分辨力的不断提高，通过多尺度特征检测，已逐渐能够获取准确的航向信标参数，此时的航向参数以机场跑道线为主，再结合无人机飞行控制系统自动修正无人机的侧滑角和由于侧风干扰所引起的轨迹偏差，使空速向量对准跑道中心线，并降低速度，完成航向对准；再随着视距的接近，机场图像越来越大，其内部的机场跑道线特征逐渐清晰，可以提供更加准确的偏航信息。
2)位姿信息获取：为提取无人机位置及姿态信息，需要结合多尺度特征提取技术结合天地线及机场跑道线进行检测。
a、基于快速Hough变换(图像处理中从图像中识别几何形状)的俯仰及滚转姿态参数获取
本发明利用快速Hough变换来检测图像中的多尺度关键直线特征完成俯仰及滚转姿态参数提取。首先对图像进行二值化处理，然后进行相应的边缘检测，接着对边缘检测的结果作Hough变换，得到直线检测结果，并根据多尺度特征进行分析，最终结合标定参数实现俯仰及滚转姿态参数的获取。
俯仰及滚转姿态参数获取的具体计算过程如下：
Ⅰ、通过架设好的单目定焦相机读入256级灰度图像并进行预处理；
Ⅱ、根据多尺度特征分析和图像尺寸决定Hough变换累加器的大小并分配内存；
Ⅲ、将图像进行转换，并进行Hough变换，并将变换结果存入Hough变换累加器；
Ⅳ、结合先验信息和天气通过自适应算法获取阈值，并根据阈值大小将 Hough变换累加器中累加值不满足条件的点清零；
Ⅴ、查找Hough变换累加器中累加值最大的点；
Ⅵ、通过记录查询机制，快速找寻图像中存在的可用于俯仰角姿态检测的直线；
Ⅶ、通过标定获取无人机俯仰及滚转姿态参数。
b、基于多级梯度矩阵特征的偏航姿态获取
本发明为获取无人机偏航角，通过多尺度梯度矩阵特征，检测机场跑道线并提取相应的信息。首先利用自适应算法得到梯度矩阵T，再求取每行梯度和，得到n行梯度和S，并利用梯度和极大值S__max的一半作为阈值剔除无效的梯度和，再将梯度进行联通，避免出现过分筛选问题，并将联通后的区域再次进行筛选，选取一定长度范围的特征进行检测与联通，再将满足条件的特征进行模式识别，再结合透视变换和标定算法可以得到航向信标参数，进而实现偏航角提取。
c、结合像素-角度映射的位置信息获取
在获取俯仰和偏航姿态信息后，结合像素-角度映射的透视变换方程如式(4)和式(5)所示，得到真实信息参数，通过标定参数可以得到图像像素坐标(n，m)对应的二维像素角为对于任意点像素在实际场景中的坐标可由单目定焦相机的高度H和倾角δ(等同于光轴线与铅垂方向夹角)计算，即：
            
      Yn(m)=H·tan[δ+arctan(msinβM-m+mcosβ)]---(5)]]>      
式(4)和式(5)中，H和δ分别为单目定焦相机的高度H和倾角，n为X方向的图像像素坐标，m为Y方向的图像像素坐标，N为图像在X方向上的总像素数，M为图像在Y方向上的总像素数，为X方向截面的可视角，β为Y方向截面的可视角，为X方向原点到第n像素对应的夹角，β(m)为Y方向原点到第n像素对应的夹角。
(4)拉平着陆
拉平着陆阶段主要涉及多级二维码定位分析和轨迹跟踪及状态辨识。
结合下滑对准状态和先验信息，判断无人机此时的着陆速度应为-45m/s～-70m/s，并按照下滑角约-3°下滑，此时无人机的下降速度为：并进一步减小下滑角，使无人机的轨迹沿曲线拉平，拉平着陆的标定效果如图5所示。
本发明中的无人机适宜拉平决策高度为：20m～40m。当无人机检测到拉平决策高度后，由无人机飞行控制系统自动增大迎角使无人机运动轨迹弯曲；最终使空速向量与地面保持平行完成拉平过程，最终着陆在跑道上进行滑行刹车，并确保制动距离应≤500m。
a、多级二维码定位分析
在拉平着陆阶段，由于无人机在降落过程中视距快速减小，图像将会不断膨胀进而充满视场，因此特征也会发生相应的变换，需要设计针对性的多尺度特征，以适应这种快速膨胀变换。在拉平着陆阶段，初始高度为30m时，对应8°*6°的镜头和640*480的单目定焦相机，此时下滑角较大，对应的视场范围约为17m*7m，跑道已经充满视场，需要对跑道内部的特征进行设计，同时考虑特征级间的切换，因此机场双跑道线的最大间隔不应大于7m。结合二维码特征，对跑道进行相应的设置，由于需要满足360°旋转、缩放及平移的变换需求，选用QR二维码作为参考，其特征的主要设置包括以下内容：
Ⅰ、位置探测图形、位置探测图形分隔符：用于对二维码的定位；
Ⅱ、校正图形：考虑成像畸变等，通过矫正图形进行协助调整；
Ⅲ、定标图形：通过设置二维码网格对识别信息进行设置；
Ⅳ、格式信息：设置二维码纠错级别；
Ⅴ、数据区域：利用黑白的二进制网格编码内容，通过对内容的判读，进而实现无人机的定位分析；
Ⅵ、纠错码字：用于修正二维码损坏带来的错误。
本发明考虑在无人机降落过程中，视场逐渐缩小到1.5m范围，因此需要在 该尺度范围内设置相应的多级二维码图像，此时二维码单元格大小可设置为5cm，整体大小为105cm，可以确保在整个降落过程中都不会出现特征充满视场导致的识别失效。通过多级二维码定位分析技术可以得到无人机当前的绝对位置，并利用图像校正过程中的参数实现无人机的位姿参数获取。
b、轨迹跟踪及状态辨识
本发明通过多级二维码定位分析技术，将无人机位置及姿态信息在空间坐标系中进行注册，利用无人机的坐标C_k、速度V_k、状态U_k、紧密度S_k(即存在状态的分布率)及紧密度变化▽S_k对无人机运动轨迹进行跟踪，对其飞行状态T_k进行描述，对应k时刻的状态特征向量可表达为：
T_k＝(C_k,V_k,U_k,S_k,▽S_k)  (6)
其中通常情况下，无人机将会以一定范围的速度在预定区域内运行，其加速度的有限性决定了在相邻两观测时刻内位置的变化范围。因此，在无人机稳定出现于检测区域内后，可以利用前两个观测时刻的无人机坐标位置确定运动目标的速度，即：
      Vx,0=xc,1-xc,0Vy,0=yc,1-yc,0Vz,0=zc,1-zc,0---(7)]]>      
式(7)中，V_x,0，V_y,0，V_z,0分别为x，y，z方向的初始速度，本发明考虑前两个观测时刻无人机坐标分别为C₀＝(x_c,0,y_c,0,z_c,0)，C₁＝(x_c,1,y_c,1,z_c,1)，同时，由于运动的相对稳定性，连续两观测时刻内无人机状态的紧密度不会发生较大的改变，根据该原则设置状态紧密度，在经过k时刻后，利用相对于无人机当前运动轨迹和状态的估计量和当前状态特征观测值与所有可能存在的状态及分布，再结合前一个观测时刻状态特征的估计值，按照匹配最小距离准则选择最佳匹配，即可实现无人机轨迹及状态的辨识。
(5)滑行制动
当无人机着陆后，利用本发明的视觉辅助装置采集机场跑道，并利用自适 应算法提取机场跑道的多级梯度矩阵特征，并结合标定参数，检测无人机是否沿着跑道进行滑跑；再与滑跑区域关键标记进行比对，分析无人机滑跑制动阶段是否能在指定区域完成，避免其滑出跑道；同时控制无人机飞行控制系统中的制动系统使制动过程更加平滑和稳定可靠。