为了实现无人机全天候自主精确着陆,本课题组提出了基于红外合作目标和计算机视觉的无人机自主着陆导引方法。本文针对基于合作目标的无人机位姿估计进行了相关方法的研究。在图像预处理过程中,合作目标不能被当前常用的Otsu分割法分割出来,这是因为Otsu分割法适用于目标占图像比例较大的情况,而本研究中合作目标占图像比例较小。由于我们的合作目标是主动发射与红外视觉系统相匹配的特定红外光,其在图像中灰度值较高,分布在直方图高灰度部分,所以本文采用二次大津法进行分割,将第一次分割后的图像和原图作“与”运算,这时,合作目标在图像中所占的比例就能满足Otsu分割法的适用条件,再采用Otsu法进行二次分割,获得了很好的效果。然后,利用sobel算子检测合作目标的边缘特征,再利用链码进行轮廓跟踪。其中特征点提取时我们选用了Harris角点检测方法,在特征线提取时,本文选取链码上的一点为起始点,顺时针计算链码上各点与T型头部直线的距离,根据距离的阈值将链码上的点分割几段,然后去掉部分点再分别拟合成直线。在基于合作目标和计算机视觉的无人机位姿估计研究中,首先,根据Tsai原理,提出了基于特征点的位姿估计方法,即首先利用径向一致约束来求解除相机光轴方向平移外的其它相机外参数,然后再求解像机的其它参数。但是研究中发现特征点的方法随着高度的增加误差增加显著,这是因为从实际图像中获得的特征点位置有较小的误差就会使位姿估计产生较大偏差,由于合作目标的线特征相比点特征对因距离而产生的误差不敏感的特点,故此,本文提出了基于特征线的位姿估计方法。该方法充分利用了合作目标的实际形状,采用灭影线的原理,在求解灭影线过程中得到无人机的滚转角,根据合作目标在图像中的位置又得到偏航角,最后根据坐标系之间的转换关系求得其余位姿参数。通过不同位置和不同姿态角的仿真实验证明了这两种方法的可行性,且实验结果显示基于线特征的位姿估计算法具有精度高、更加可靠的优点。