CN104215239A - 基于视觉的无人机自主着陆导引装置及导引方法 - Google Patents

Abstract

本发明涉及一种基于视觉的无人机自主着陆导引装置及导引方法，利用在跑道两侧布置的已经过离线标定好的测量相机，实时检测进入自主导引降落航道后的搭载在无人机正前方的强光标志灯，利用经过大场景范围精确标定后的四个相机进行双目立体视觉测量技术获取无人机的三维空间位置信息进行无人机跟踪和定位，实时求解无人机位置和速度等飞行参数，并通过无线传输数据链将飞行参数传给飞行控制系统，飞控系统则根据无人机当前状态调整飞行参数保持飞机平稳飞行，从而实现无人机的精准自主着陆。

Description

基于视觉的无人机自主着陆导引装置及导引方法

技术领域

本发明涉及一种基于视觉的无人机自主着陆导引装置及导引方法，特别是涉及一套基于长短焦相机优化布局装置的无人机自主着陆导引方法。

背景技术

无人机自主着陆是指无人机利用导航设备和飞行控制系统进行定位导航并最终控制无人机降落着陆的过程。自主着陆对导航与控制精度及可靠性均有较高的要求，是无人机实现自主飞行的重要基础和关键技术。传统的无人机自主着陆的导航技术包括：惯性导航系统(INS)、GPS导航系统和INS/GPS组合导航系统。惯性导航系统是利用陀螺、加速度计等惯性元件感受运载器在运动过程中的加速度，然后通过积分计算，得到载体的位置与速度等导航参数，其最大缺点是误差会随着时间的推移而发散，因此难以长时间独立工作，而需与其它导航方法组合使用；GPS导航系统利用导航卫星进行导航定位，但由于完全依靠导航卫星，存在信号易受干扰和技术垄断等问题，在和平时期是一种很好的自主导航方法，但是在战争时期，其应用受到限制，因此并不是一种完全自主的导航技术。综上所述，传统导航方式在使用上受到很大限制，因而研究新型无人机自主着陆引导技术具有重要意义。现有的基于视觉的无人机导航系统主要包括：基于人工标志物的机载着陆导航系统、基于自然场景的机载着陆导航系统和基于地基信息的无人机着陆导航系统。

文献“无人机平台运动目标检测与跟踪及其视觉辅助着陆系统研究.国防科学技术大学,2008”公开实现了一套完整的基于地基信息的视觉导引着陆系统。为了减小环境因素对合作标志物检测的影响，该系统在无人机上安装红外LED灯，选择宽动态摄像机并在摄像机镜头前加载一带通滤光片，有效消除了光线强弱变化等带来的影响。但是该系统主要采用一种单帧目标权值计算方法进行复杂背景下的运动目标检测跟踪，该方法虽然对彩色或灰度图像上目标计算出基本符合人类视觉的权值，但是受限于红外LED的探测距离不超过200米的缺陷，红外弱小目标的远距离检测存在很大的问题；而且，该系统虽然可以实时准确地获得飞机相对跑道的位置信息，但是还不能获得无人机的姿态、速度和加速度等信息，无法精准的进行基于视觉的无人机自主着陆导引。

发明内容

要解决的技术问题

为了避免现有技术的无人机平台运动目标检测与跟踪及其视觉辅助着陆系统着陆精准度的不足以及红外LED探测距离小于200米的限制而导致的红外弱小目标远距离检测鲁棒性的不足，本发明提出一种基于视觉的无人机自主着陆导引装置及导引方法。

技术方案

一种基于视觉的无人机自主着陆导引装置，包括测量相机、可见光手电、全站仪、合作标志灯、三脚架、棱镜和计算机，其特征在于测量相机为四个，其中两个测量相机搭配12mm的长焦镜头进行远距离空中无人机目标检测定位，两个测量相机搭配8mm的短焦镜头进行无人机进入跑道区域之后的精准滑行定位；四个测量相机分为两组，每一组包含一个长焦测量相机和一个短焦测量相机固定在相机底座上，长焦测量相机和短焦测量相机间距为3cm，一组相机底座固定在一个相机支架上，两个相机支架对称装置在离跑道中轴线8m，离无人机着陆点60m的位置，两个相机支架保持平行安装，测量相机与跑道中轴线具有5°的夹角；8个合作标志灯位于跑道的两侧且满足在四个相机公共视野区域内，第1号合作标志灯和第5号合作标志灯对称，第2号合作标志灯和第6号合作标志灯对称，第3号合作标志灯和第7号合作标志灯对称，第4号合作标志灯和第8号合作标志灯对称，且第5号合作标志灯与第6号合作标志灯间距为50m，且第6号合作标志灯与第7号合作标志灯间距为100m，且第7号合作标志灯与第8号合作标志灯间距为150m。

所述的可见光手电的型号为美国神火强光手电，长和宽尺寸均为80cm，重量为200克，可见度超过400米。

所述的测量相机型号为PointGrey Flea 3-FW-03S1C/M-C，相机的规格为3cm×3cm×6cm；相机底座的规格大小1cm×9cm×11cm。

一种利用所述的基于视觉的无人机自主着陆导引装置实现的导引方法，其特征在于步骤如下：

步骤1：采用基于平面标定板的方法对相机进行内参标定，确定相机内参和基准点的空间坐标，所述的基准点为合作标志灯设置的位置，计算基准点平面与相机成像平面之间的单应变换H，将单应矩阵H分解为旋转矩阵R和平移向量T，完成外参标定；

步骤2：对相机采集的图像进行简单形态学预处理去除图像上的噪声，然后进行阈值分割，当图像像素值大于分割阈值T为候选目标前景图；对前景图进行聚类，像素距离f_pd(p_i,p_j)小于前景聚类窗J聚为一类x_i(i≥0)，将每一个聚类的图像质心坐标确定为候选目标x_i在图像中的坐标：

$f_{\mathrm{pd}}(p_i,p_j)=\sqrt{{(p_i^x-p_j^x)}^2+{(p_i^y-p_j^y)}^2}$

其中，p_i、p_j为图像像素点，和分别为p_i、p_j像素点坐标值；

步骤3：计算两个相机采集的图像之间的对称转移误差，将其作为距离度量：

$d(x_i^1,x_j^2)=d(x_i^1,F^T{x}_j^2)+d(x_i^1,{\mathrm{Fx}}_i^1)$

其中， $I_1=\{x_1^1,x_2^1,\·\·\·x_i^1,\·\·\·x_m^1\}$ 为第一个相机的候选目标集合， $I_2=\{x_1^2,x_2^2,\·\·\·x_j^2,\·\·\·x_n^2\}$ 为第二个相机的候选目标集合，F为两相机所成图像的基本矩阵；求解两个图像之间的匹配矩阵D：

$D=\left[\begin{array}{cccc}d(x_1^1,x_1^2)& d(x_1^1,x_2^2)& \·\·\·& d(x_1^1,x_n^2)\\ d(x_2^1,x_1^2)& d(x_2^1,x_2^2)& \·\·\·& d(x_2^1,x_n^2)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ d(x_m^1,x_1^2)& d(x_m^1,x_2^2)& \·\·\·& d(x_m^1,x_n^2)\end{array}\right]$

采用匈牙利算法求解匹配矩阵D获得t时刻的全局最优匹配作为检测定位结果Q_t；

步骤4：计算t-1时刻的目标跟踪结果T_t-1＝{T_t-1,T_t-2,…,T_t-Δ}(Δ≥3)和t时刻的检测定位结果之间的欧氏距离作为距离度量：

$d^2(T_{t-i},Q_j^t)=\sqrt{f\left(X\right)+f\left(Y\right)+f\left(Z\right)}$

$f\left(X\right)=\sqrt{{(X^{t-i}-X_j^t)}^2-{(X^{t-i}-X^{t-i-1})}^2}$

$f\left(Y\right)=\sqrt{{(Y^{t-i}-Y_j^t)}^2-{(Y^{t-i}-Y^{t-i-1})}^2}$

$f\left(Z\right)=\sqrt{{(Z^{t-i}-Z_j^t)}^2-{(Z^{t-i}-Z^{t-i-1})}^2}$

其中，(X^t-i,Y^t-i,Z^t-i)为T_t-i的空间坐标，为的空间坐标，取的作为t时刻的目标跟踪结果 $T_t=\{T_t{,T}_{t-1},T_{t-2},\·\·\·,T_{t-\mathrm{\Δ}}\}=\{Q_k^t,T_{t-1},T_{t-2},\·\·\·,T_{t-\mathrm{\Δ}}\};$

步骤5：根据t时刻目标检测结果T_t在测量相机上的图像点p₁与p₂，利用双目相机测距方法计算无人机飞行空间坐标(X,Y,Z)和无人机飞行速度Speed：

$\left\{\begin{array}{c}(u_1{m}_{31}^1-m_{11}^1)X+(u_1{m}_{32}^1-m_{12}^1)Y+(u_1{m}_{33}^1-m_{13}^1)Z=m_{14}^1-u_1{m}_{34}^1\\ (v_1{m}_{31}^1-m_{21}^1)X+(v_1{m}_{32}^1-m_{22}^1)Y+(v_1{m}_{33}^1-m_{23}^1)Z=m_{24}^1-v_2{m}_{34}^1\end{array}\right.$

$\left\{\begin{array}{c}(u_2{m}_{31}^2-m_{11}^2)X+(u_2{m}_{32}^2-m_{12}^2)Y+(u_2{m}_{33}^2-m_{13}^2)Z=m_{14}^2-u_2{m}_{34}^2\\ (v_2{m}_{31}^2-m_{21}^2)X+(v_2{m}_{32}^2-m_{22}^2)Y+(v_2{m}_{33}^2-m_{23}^2)Z=m_{24}^2-v_2{m}_{34}^2\end{array}\right.$

$\mathrm{Speed}=\sqrt[3]{{(X^t-X^{t-1})}^2+{(Y^t-Y^{t-1})}^2+{(Z^t-Z^{t-1})}^2}$

其中，(u₁,v₁,1)与(u₂,v₂,1)分别为p₁与p₂点在图像中的图像齐次坐标，(X,Y,Z,1)为T_t点在世界坐标系下的齐次坐标；分别为M_k的第i行第j列元素；(X^t-1,Y^t-1,Z^t-1)和(X^t,Y^t,Z^t)分别为无人机在t-1和t时刻的空间坐标。

分割阈值T∈[40,100]，前景聚类窗J∈[40,100]。

有益效果

本发明的有益效果是：基于长短焦相机优化布局装置的无人机自主着陆导引方法能够鲁棒地检测与跟踪无人机，实时高精度地测量无人机空间三维位置等参数，为无人机自动进场与高精度着陆提供精确导航信息。该系统的有效导引距离大于400m、该系统目标检测定位测量总延时小于25ms，包括采集、传输和处理的时间、该系统定位精度根据无人机与着陆点的距离，分别达到如下精度：①距着陆点400m处，光测系统XYZ方向的定位精度分别为20m、2m和2m；②距着陆点200米处，定位精度分别为5m、50cm和50cm；③距着陆点最后50米的定位精度均为20cm。

附图说明

图1本发明相机布局方案示意图1

图2本发明相机布局方案示意图2

图3本发明相机测量范围示意图

图4本发明场景高精度多相机协同标定布局设计示意图

具体实施方式

现结合实施例、附图对本发明作进一步描述：

一种基于视觉的无人机自主着陆导引装置，包括测量相机、可见光手电、全站仪、合作标志灯、三脚架、棱镜和计算机，所述的相机为4个，其型号为PointGrey Flea3-FW-03S1C/M-C高帧率测量相机，采用1/4 CCD传感器，帧率最高可达120Hz，分辨率为640×480，相机的规格大小为3cm×3cm×6cm，相机底座的规格大小1cm×9cm×11cm。其安装位置如图1-2所示，其中两个测量相机搭配12mm的长焦镜头进行远距离空中无人机目标检测定位，两个测量相机搭配8mm的短焦镜头进行无人机进入跑道区域之后的精准滑行定位；四个测量相机分为两组，每一组包含一个长焦测量相机和一个短焦测量相机固定在相机底座上，长焦测量相机和短焦测量相机间距为3cm，一组相机底座固定在一个相机支架上，两个相机支架对称装置在离跑道中轴线8m，离无人机着陆点60m的位置，两个相机支架保持平行安装，测量相机与跑道中轴线具有5°的夹角。

两个短焦镜头测量相机的公共视场范围覆盖无人机的跑道通道、两个长焦镜头测量相机的公共视场范围覆盖无人机的空中降落通道并且短焦镜头测量相机与长焦镜头测量相机有共同的公共视场范围覆盖，如附图3所示。当无人机下降距离小于400米时，利用长焦测量相机无人机图像进行远距离的无人机检测，控制无人机的飞行姿态、调整无人机的下降速度；当无人机下降距离小于100米时，利用短焦相机获取无人机图像进行近距离高精度的无人机定点着陆。

本装置采用8个合作标志灯，其安装位置如图4所示，8个合作标志灯位于跑道的两侧且满足在四个相机公共视野区域内，第1号合作标志灯和第5号合作标志灯对称，第2号合作标志灯和第6号合作标志灯对称，第3号合作标志灯和第7号合作标志灯对称，第4号合作标志灯和第8号合作标志灯对称，且第5号合作标志灯与第6号合作标志灯间距为50m，且第6号合作标志灯与第7号合作标志灯间距为100m，且第7号合作标志灯与第8号合作标志灯间距为150m。

在无人机上搭载可见度超过400米的超高强度的可见光手电，其中该手电型号为美国神火强光手电(SupFire)，手电的长和宽尺寸均为80cm，重量为200克。强光手电的使用，突破了传统红外LED探测距离小于200米的限制，使该系统的测控距离提升至400米，实现了无人机远距离的探测定位，为保证该系统在不同复杂自然条件下对光源的鲁棒检测，强光手电装置在无人机正前方位置。

利用上述的导引装置实现的导引方法，步骤如下：

步骤1：采用基于平面标定板的方法对相机进行内参标定，确定相机内参和基准点的空间坐标，所述的基准点为合作标志灯设置的位置，计算基准点平面与相机成像平面之间的单应变换H，将单应矩阵H分解为旋转矩阵R和平移向量T，完成外参标定；

步骤2：由于相机获取的图像中，目标与背景灰度差异明显，因此首先对图像进行简单形态学预处理后去除图像上的噪声；然后进行阈值分割获得候选目标的前景图，其中，图像像素值大于分割阈值T∈[40,100]的即为候选目标前景图；接着对检测前景图进行目标聚类，每一个聚类的图像质心坐标确定为候选目标x_i在图像中的坐标。其中，像素距离f_pd(p_i,p_j)小于前景聚类窗宽J∈[40,100]聚为一类x_i(i≥0)。本实施例中，T＝60，J＝60。

$f_{\mathrm{pd}}(p_i,p_j)=\sqrt{{(p_i^x-p_j^x)}^2+{(p_i^y-p_j^y)}^2}$

其中，p_i、p_j为图像像素点，和分别为p_i、p_i像素点坐标值。

步骤3：设第一个相机的候选目标检测结果集合为第二个相机的候选目标检测结果集合为数据关联的任务就是确定和的对应关系。空间目标在两相机上的像应满足对极几何约束，检测结果和之间的对称转移误差作为距离度量即：

$d(x_i^1,x_j^2)=d(x_i^1,F^T{x}_j^2)+d(x_i^1,{\mathrm{Fx}}_i^1)$

其中，F为一个秩为2的3×3矩阵，称为两相机之间的基本矩阵。等式右边为两摄像机中像点与对极线之间的距离。为获得两视图间最优的匹配结果，求解匹配矩阵D：

$D=\left[\begin{array}{cccc}d(x_1^1,x_1^2)& d(x_1^1,x_2^2)& \·\·\·& d(x_1^1,x_n^2)\\ d(x_2^1,x_1^2)& d(x_2^1,x_2^2)& \·\·\·& d(x_2^1,x_n^2)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ d(x_m^1,x_1^2)& d(x_m^1,x_2^2)& \·\·\·& d(x_m^1,x_n^2)\end{array}\right]$

采用匈牙利算法求解匹配矩阵D获得t时刻的全局最优匹配结果作为检测定位结果Q_t。

步骤4：设t-1时刻的目标跟踪结果为T_t-1＝{T_t-1,T_t-2,…,T_t-Δ}(Δ≥3)，t时刻的检测定位结果为跟踪的任务就是确定T_t-i(i＝1,...,Δ)和之间的对应关系。由于物体的运动是时空连续的，采用定位结果在三维空间中的欧氏距离作为距离度量：

$d^2(T_{t-i},Q_j^t)=\sqrt{f\left(X\right)+f\left(Y\right)+f\left(Z\right)}$

$f\left(X\right)=\sqrt{{(X^{t-i}-X_j^t)}^2-{(X^{t-i}-X^{t-i-1})}^2}$

$f\left(Y\right)=\sqrt{{(Y^{t-i}-Y_j^t)}^2-{(Y^{t-i}-Y^{t-i-1})}^2}$

$f\left(Z\right)=\sqrt{{(Z^{t-i}-Z_j^t)}^2-{(Z^{t-i}-Z^{t-i-1})}^2}$

其中，(X^t-i,Y^t-i,Z^t-i)为T_t-i的空间坐标，为的空间坐标。取的做为t时刻的目标跟踪结果 $T_t=\{T_t{,T}_{t-1},T_{t-2},\·\·\·,T_{t-\mathrm{\Δ}}\}=\{Q_k^t,T_{t-1},T_{t-2},\·\·\·,T_{t-\mathrm{\Δ}}\}.$

步骤5：当无人机距离着陆点小于400m位置时，长焦镜头测量相机捕获无人机目标，在长焦镜头测量相机图像上进行实时解算获取无人机飞行速度及飞行空间坐标，并反馈飞行参数给飞控软件控制无人机飞行；当无人机距离着落点小于100m位置时，长焦镜头测量相机与短焦镜头测量同时捕获无人机目标，在短焦镜头测量相机图像上进行实时解算获取无人机飞行速度及飞行空间坐标，并反馈飞行参数给飞控软件控制无人机飞行；其中，无人机飞行空间坐标(X,Y,Z)和无人机飞行速度Speed的计算如下：

①无人机飞行空间坐标(X,Y,Z)的计算：无人机目标跟踪结果T_t在两个测量相机C₁与C₂上检测出来的是图像点p₁与p₂，即已知p₁与p₂为空间同一点T_t在两个图像上的对应点。因此在知道C₁与C₂摄像机的参数及它们的投影矩阵M₁与M₂后。就有

$Z_{C1}\left[\begin{array}{c}{u}_1\\ v_1\\ 1\end{array}\right]=M_1\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]=\left[\begin{array}{cccc}{m}_{11}^1& m_{12}^1& m_{13}^1& m_{14}^1\\ m_{21}^1& m_{22}^1& m_{23}^1& m_{24}^1\\ m_{31}^1& m_{32}^1& m_{33}^1& m_{34}^1\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]$

$Z_{C2}\left[\begin{array}{c}{u}_2\\ v_2\\ 1\end{array}\right]=M_2\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]=\left[\begin{array}{cccc}{m}_{11}^2& m_{12}^2& m_{13}^2& m_{14}^2\\ m_{21}^2& m_{22}^2& m_{23}^2& m_{24}^2\\ m_{31}^2& m_{32}^2& m_{33}^2& m_{34}^2\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]$

其中，(u₁,v₁,1)与(u₂,v₂,1)分别为p₁与p₂点在各自图像中的图像齐次坐标；(X,Y,Z,1)为T_t点在世界坐标系下的齐次坐标；分别为M_k的第i行第j列元素。按照摄像机的线性模型公式，可在上式中消去Z_C1和Z_C2，得到关于X，Y，Z的四个线性方程：

$\left\{\begin{array}{c}(u_1{m}_{31}^1-m_{11}^1)X+(u_1{m}_{32}^1-m_{12}^1)Y+(u_1{m}_{33}^1-m_{13}^1)Z=m_{14}^1-u_1{m}_{34}^1\\ (v_1{m}_{31}^1-m_{21}^1)X+(v_1{m}_{32}^1-m_{22}^1)Y+(v_1{m}_{33}^1-m_{23}^1)Z=m_{24}^1-v_2{m}_{34}^1\end{array}\right.$

$\left\{\begin{array}{c}(u_2{m}_{31}^2-m_{11}^2)X+(u_2{m}_{32}^2-m_{12}^2)Y+(u_2{m}_{33}^2-m_{13}^2)Z=m_{14}^2-u_2{m}_{34}^2\\ (v_2{m}_{31}^2-m_{21}^2)X+(v_2{m}_{32}^2-m_{22}^2)Y+(v_2{m}_{33}^2-m_{23}^2)Z=m_{24}^2-v_2{m}_{34}^2\end{array}\right.$

联立方程求出T_t的空间坐标(X,Y,Z)。

②无人机飞行速度Speed的计算：

$\mathrm{Speed}=\sqrt[3]{{(X^t-X^{t-1})}^2+{(Y^t-Y^{t-1})}^2+{(Z^t-Z^{t-1})}^2}$

其中，(X^t-1,Y^t-1,Z^t-1)和(X^t,Y^t,Z^t)分别为无人机在t-1和t时刻的空间坐标。

Claims (5)

1.一种基于视觉的无人机自主着陆导引装置，包括测量相机、可见光手电、全站仪、合作标志灯、三脚架、棱镜和计算机，其特征在于测量相机为四个，其中两个测量相机搭配12mm的长焦镜头进行远距离空中无人机目标检测定位，两个测量相机搭配8mm的短焦镜头进行无人机进入跑道区域之后的精准滑行定位；四个测量相机分为两组，每一组包含一个长焦测量相机和一个短焦测量相机固定在相机底座上，长焦测量相机和短焦测量相机间距为3cm，一组相机底座固定在一个相机支架上，两个相机支架对称装置在离跑道中轴线8m，离无人机着陆点60m的位置，两个相机支架保持平行安装，测量相机与跑道中轴线具有5°的夹角；8个合作标志灯位于跑道的两侧且满足在四个相机公共视野区域内，第1号合作标志灯和第5号合作标志灯对称，第2号合作标志灯和第6号合作标志灯对称，第3号合作标志灯和第7号合作标志灯对称，第4号合作标志灯和第8号合作标志灯对称，且第5号合作标志灯与第6号合作标志灯间距为50m，且第6号合作标志灯与第7号合作标志灯间距为100m，且第7号合作标志灯与第8号合作标志灯间距为150m。

2.根据权利要求1所述的基于视觉的无人机自主着陆导引装置，其特征在于所述的可见光手电的型号为美国神火强光手电，长和宽尺寸均为80cm，重量为200克，可见度超过400米。

3.根据权利要求1所述的基于视觉的无人机自主着陆导引装置，其特征在于所述的测量相机型号为PointGrey Flea 3-FW-03S1C/M-C，相机的规格为3cm×3cm×6cm；相机底座的规格大小1cm×9cm×11cm。

4.一种利用权利要求1所述的基于视觉的无人机自主着陆导引装置实现的导引方法，其特征在于步骤如下：

步骤1：采用基于平面标定板的方法对相机进行内参标定，确定相机内参和基准点的空间坐标，所述的基准点为合作标志灯设置的位置，计算基准点平面与相机成像平面之间的单应变换H，将单应矩阵H分解为旋转矩阵R和平移向量T，完成外参标定；

步骤2：对相机采集的图像进行简单形态学预处理去除图像上的噪声，然后进行阈值分割，当图像像素值大于分割阈值T为候选目标前景图；对前景图进行聚类，像素距离f_pd(p_i,p_j)小于前景聚类窗J聚为一类x_i(i≥0)，将每一个聚类的图像质心坐标确定为候选目标x_i在图像中的坐标：

$f_{\mathrm{pd}}(p_i,p_j)=\sqrt{{(p_i^x-p_j^x)}^2+{(p_i^y-p_j^y)}^2}$

其中，p_i、p_j为图像像素点，和分别为p_i、p_j像素点坐标值；

步骤3：计算两个相机采集的图像之间的对称转移误差，将其作为距离度量：

$d(x_i^1,x_j^2)=d(x_i^1,F^T{x}_j^2)+d(x_i^1,{\mathrm{Fx}}_i^1)$

其中， $I_1=\{x_1^1,x_2^1,\·\·\·x_i^1,\·\·\·x_m^1\}$ 为第一个相机的候选目标集合， $I_2=\{x_1^2,x_2^2,\·\·\·x_j^2,\·\·\·x_n^2\}$ 为第二个相机的候选目标集合，F为两相机所成图像的基本矩阵；求解两个图像之间的匹配矩阵D：

$D=\left[\begin{array}{cccc}d(x_1^1,x_1^2)& d(x_1^1,x_2^2)& \·\·\·& d(x_1^1,x_n^2)\\ d(x_2^1,x_1^2)& d(x_2^1,x_2^2)& \·\·\·& d(x_2^1,x_n^2)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ d(x_m^1,x_1^2)& d(x_m^1,x_2^2)& \·\·\·& d(x_m^1,x_n^2)\end{array}\right]$

采用匈牙利算法求解匹配矩阵D获得t时刻的全局最优匹配作为检测定位结果Q_t；

步骤4：计算t-1时刻的目标跟踪结果T_t-1＝{T_t-1,T_t-2,…,T_t-Δ}(Δ≥3)和t时刻的检测定位结果之间的欧氏距离作为距离度量：

$d^2(T_{t-i},Q_j^t)=\sqrt{f\left(X\right)+f\left(Y\right)+f\left(Z\right)}$

$f\left(X\right)=\sqrt{{(X^{t-i}-X_j^t)}^2-{(X^{t-i}-X^{t-i-1})}^2}$

$f\left(Y\right)=\sqrt{{(Y^{t-i}-Y_j^t)}^2-{(Y^{t-i}-Y^{t-i-1})}^2}$

$f\left(Z\right)=\sqrt{{(Z^{t-i}-Z_j^t)}^2-{(Z^{t-i}-Z^{t-i-1})}^2}$

其中，(X^t-i,Y^t-i,Z^t-i)为T_t-i的空间坐标，为的空间坐标，取的作为t时刻的目标跟踪结果 $T_t=\{T_t{,T}_{t-1},T_{t-2},\·\·\·,T_{t-\mathrm{\Δ}}\}=\{Q_k^t,T_{t-1},T_{t-2},\·\·\·,T_{t-\mathrm{\Δ}}\};$

步骤5：根据t时刻目标检测结果T_t在测量相机上的图像点p₁与p₂，利用双目相机测距方法计算无人机飞行空间坐标(X,Y,Z)和无人机飞行速度Speed：

$\left\{\begin{array}{c}(u_1{m}_{31}^1-m_{11}^1)X+(u_1{m}_{32}^1-m_{12}^1)Y+(u_1{m}_{33}^1-m_{13}^1)Z=m_{14}^1-u_1{m}_{34}^1\\ (v_1{m}_{31}^1-m_{21}^1)X+(v_1{m}_{32}^1-m_{22}^1)Y+(v_1{m}_{33}^1-m_{23}^1)Z=m_{24}^1-v_2{m}_{34}^1\end{array}\right.$

$\left\{\begin{array}{c}(u_2{m}_{31}^2-m_{11}^2)X+(u_2{m}_{32}^2-m_{12}^2)Y+(u_2{m}_{33}^2-m_{13}^2)Z=m_{14}^2-u_2{m}_{34}^2\\ (v_2{m}_{31}^2-m_{21}^2)X+(v_2{m}_{32}^2-m_{22}^2)Y+(v_2{m}_{33}^2-m_{23}^2)Z=m_{24}^2-v_2{m}_{34}^2\end{array}\right.$

$\mathrm{Speed}=\sqrt[3]{{(X^t-X^{t-1})}^2+{(Y^t-Y^{t-1})}^2+{(Z^t-Z^{t-1})}^2}$

其中，(u₁,v₁,1)与(u₂,v₂,1)分别为p₁与p₂点在图像中的图像齐次坐标，(X,Y,Z,1)为T_t点在世界坐标系下的齐次坐标；分别为M_k的第i行第j列元素；(X^t-1,Y^t-1,Z^t-1)和(X^t,Y^t,Z^t)分别为无人机在t-1和t时刻的空间坐标。

5.根据权利要求1所述的基于视觉的无人机自主着陆导引方法，其特征在于分割阈值T∈[40,100]，前景聚类窗J∈[40,100]。