旋翼机自主着陆-主要技术难点

搜索阶段:

远距离：

​ 目标为几个像素，并且淹没在环境里
​ 完全没有任何目标或目标偶尔出现，如何进行导航

中远距离

​ 目标部分容易被遮挡，如何进行目标检测
​ 在光线条件较差的环境下，目标检测出现误判和无法工作的情况

近距离

​ 目标在视场中占据较大部分，飞机的剧烈姿态变换容易引起目标丢失
​ 受到飞机震动和相机抖动限制，特征点提取误差较大，位姿解算精度不高

当前解决方案：

1.依靠GPS、RTK等设备进行目标追踪

存在与目标的通信
特定的环境中GPS设备无法使用
依赖于无人机外部的系统，并且可能被卡住，扰乱或欺骗

2.依靠主动发光的着陆点作为目标，采用多元图像融合的方法实现红外和可见光图像融合的自主识别，提高视觉系统的自适应性

3.采用机器学习的方法对目标活动范围对环境进行学习，构建快速对图像分割模型

4.应用实例：

Robust Autonomous Ship Deck Landing for Rotorcraft 2016 卡内基梅隆

使用长波红外相机， 长波红外辐射在波长介于8到12微米之间传播，具有独特的能力，可以在恶化的视觉条件下（例如雾或烟雾）穿透遮挡物，优于可见光谱中的光。

在数千到500米的距离处，飞机上的传感器检测到船并沿着正确的甲板进场航向对齐其轨迹，补偿航行方向，航行速度，风和其他因素。 当飞机吸入500至50米的距离时，它开始估计甲板的运动模型。 在最后的50米中，轨迹规划器改进了甲板的运动模型，然后使用该模型执行最终的着陆操纵。

To Learn or Not to Learn: Visual Localization from Essential Matrices 2019.8.4 慕尼黑工业大学