一种无人机着陆方法、装置、电子设备及存储介质

技术领域

本申请涉及无人机技术领域，具体涉及一种无人机着陆方法。本申请同时涉及无人机着陆装置、电子设备及计算机可读取存储介质。

背景技术

无人机因其小巧灵活、智能自主等特点被广泛应用于民用和军事等领域中，在电力线路检测、大气环境检测、抢险救灾、侦察敌情、敌方目标跟踪、搜索战场情报等无人机的诸多任务类型中。对于无人机的着陆问题，现有的基于视觉SLAM的无人机着陆方法一般需要预设明显且鲁棒的标志物（例如H型着陆平台，三角着陆平台等），通过对不同图形的检测来实现无人机的精确着陆，使得无人机着陆的便利性受到影响。对于现有的基于GPS的无人机着陆方法，由于GPS信号易受到非空气介质的干扰和阻挡，例如，在阴暗、狭小、GPS信号不稳定、电磁干扰强的场景中会造成误差增大甚至信号丢失等问题，使得无人机极易坠毁，无法满足无人机安全精确着陆的需求。

发明内容

本发明提供一种无人机着陆方法、无人机着陆装置、电子设备以及计算机可读取存储介质，以提高无人机着陆过程的便利性及准确性。

为了解决或部分解决上述技术问题，根据本发明的一方面，提供一种无人机着陆方法，该方法应用于无人机，包括：

针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得所述第一图像的第一特征点；

计算获得所述第一特征点的第一方向信息；

针对所述无人机降落至所述预定高度时所摄取的第二图像进行特征点提取，并将所述第二图像与所述第一图像进行特征点匹配，获得所述第二图像中与至少部分所述第一特征点相匹配的第二特征点；

计算所述第二特征点的第二方向信息，并基于所述第二方向信息和所述第一方向信息，确定所述第二图像相对于所述第一图像的姿态变化信息；

基于所述姿态变化信息，将所述无人机着陆时的姿态调整至所述无人机起飞时的姿态。

在一种实施方式中，所述计算获得所述第一特征点的第一方向信息，包括：计算获得所述第一特征点相对于其图像块质心的第一方向信息；与所述图像块的质心坐标之间的第一方向信息；

所述计算所述第二特征点的第二方向信息，包括：计算获得所述第二特征点相对于其图像块质心的第二方向信息。

在一种实施方式中，所述计算获得所述第一特征点相对于其图像块质心的第一方向信息，包括：基于灰度质心法计算获得所述第一特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第一方向信息；

所述计算获得所述第二特征点相对于其图像块质心的第二方向信息，包括：基于灰度质心法计算获得所述第二特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第二方向信息。

在一种实施方式中，在针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取之前，还包括：按照不同的缩放比例对所述第一图像进行缩放处理，获得不同缩放比例的多个第一图像；

所述针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，包括：对不同缩放比例的所述多个第一图像进行特征点提取，获得所述多个第一图像所包含的第一特征点；

所述将所述第二图像与所述第一图像进行特征点匹配，包括：将不同缩放比例的所述多个第一图像所包含的第一特征点与所述第二图像所提取的特征点进行匹配。

在一种实施方式中，在将所述第二图像与所述第一图像进行特征点匹配之后，还包括：

获得所述第二图像与所述第一图像之间的匹配特征点；

获得任一所述匹配特征点对应的邻居特征点，并基于所述邻居点获得相似邻居特征点；

基于所述相似邻居特征点的数量，确定所述匹配特征点是否匹配正确，若正确，则确定所述匹配特征点为所述第二特征点。

在一种实施方式中，所述第一图像为第一关键帧，所述方法还包括：基于无人机起飞至预定高度时所采集的图像序列确定所述第一关键帧；

在一种实施方式中，所述第二图像为第二关键帧，所述方法还包括：基于所述无人机降落至所述预定高度时所采集的图像序列确定所述第二关键帧。

根据本发明的另一方面，提供一种无人机着陆装置，该装置应用于无人机，所述装置包括：

第一特征点获得单元，用于针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得所述第一图像的第一特征点；

第一方向信息计算单元，用于计算获得所述第一特征点的第一方向信息；

第二特征点确定单元，用于针对所述无人机降落至所述预定高度时所摄取的第二图像进行特征点提取，并将所述第二图像与所述第一图像进行特征点匹配，获得所述第二图像中与至少部分所述第一特征点相匹配的第二特征点；

姿态变化信息确定单元，用于计算所述第二特征点的第二方向信息，并基于所述第二方向信息和所述第一方向信息，确定所述第二图像相对于所述第一图像的姿态变化信息；

姿态调整单元，用于基于所述姿态变化信息，将所述无人机着陆时的姿态调整至所述无人机起飞时的姿态。

根据本发明的另一方面，还提供一种电子设备，包括处理器和存储器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现上述方法。

根据本发明的另一方面，还提供一种计算机可读存储介质，其上存储有一条或多条计算机指令，该指令被处理器执行以实现上述方法。

与现有技术相比，本发明具有以下优点：

本发明提供的无人机着陆方法包括：针对无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得第一图像的第一特征点；计算获得第一特征点的第一方向信息；针对无人机降落至预定高度时所摄取的第二图像进行特征点提取，并将第二图像与第一图像进行特征点匹配，获得第二图像中与至少部分第一特征点相匹配的第二特征点；计算第二特征点的第二方向信息，并基于第二方向信息和第一方向信息，确定第二图像相对于第一图像的姿态变化信息；基于姿态变化信息，将无人机着陆时的姿态调整至无人机起飞时的姿态。该方法在无人机起飞至预定高度时记录第一图像的第一特征点的第一方向信息，并在着陆阶段无人机降落至上述预定高度时、获得第二图像的第二特征点（与至少部分第一特征点匹配）的第二方向信息，基于第一方向信息和第二方向信息即可确定第二图像相对于第一图像的姿态变化信息，并据此调整无人机着陆时的位姿，可实现无人机的精准高效着陆。相较于现有的基于视觉SLAM的无人机着陆方法，本方法无需预先在着陆点设置明显的并且鲁棒的标志物（H型着陆平台，三角着陆平台等），着陆便利性及实时性得以提升；相较于通过GPS（全球定位系统）的定位和导航方法进行无人机着陆，本方法可以在狭小、电磁干扰强的环境下实现无人机精准着陆，无人机着陆实时性及便利性更强、着陆精度更高、且成本更低，并且本方法舍弃现有无人机系统的回环检测和图构建部分，减少了数据冗余，可提高数据处理速度。

附图说明

图1是本申请一实施例提供的无人机着陆方法的流程图；

图2是本申请一实施例提供的无人机着陆装置的单元框图；

图3是本申请一实施例提供的电子设备的逻辑结构示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

针对无人机着陆场景，为了有效提升无人机着陆便利性、实时性以及准确度，本申请提供了一种无人机着陆方法、与该方法相对应的无人机着陆装置、电子设备及计算机可读取存储介质。以下提供实施例对上述方法、装置、电子设备以及计算机可读取存储介质进行详细说明。

本申请第一实施例提供一种无人机着陆方法，该方法可应用于无人机系统，具体应用于无人机执行任务后返回其原发射点的场景中，即，本实施例旨在获得无人机在执行任务后返回原发射点的精确着陆方法。图1为本申请第一实施例提供的无人机着陆方法的流程图，以下结合图1对本实施例提供的方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理，不是实际使用的限定。

如图1所示，本实施例提供的无人机着陆方法包括如下步骤：

S101，针对无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得第一图像的第一特征点，并计算获得第一特征点的第一方向信息。

本步骤用于对无人机起飞至预定高度时所摄取的第一图像进行特征点提取，并对所提取的第一特征点进行方向信息计算，在本实施例中，第一图像为第一关键帧，例如，无人机起飞后，使其保持在距离起飞点较近的预定高度并进行视频图像采集，基于采集的图像序列选取上述第一关键帧，并使用ORB方法对该第一关键帧进行特征点提取和深度信息计算，以保存无人机起飞时的状态数据。

上述计算获得第一特征点的第一方向信息的目的在于确定无人机起飞时第一图像（对应相机）的位姿状态，并将该第一方向信息作为特征点描述子进行保存，在本实施例中，上述第一特征点的第一方向信息具体是指第一特征点相对于其图像块质心的第一方向信息，在特征点的图像块中，可通过矩来计算特征点以r为半径范围内的质心，可将特征点坐标到质心所形成的向量作为该特征点的方向信息，由于图像发生旋转时，质心在图像块中的位置不变，因此就可以确定旋转的方向及角度，上述计算获得第一特征点的第一方向信息可以是指：基于灰度质心法计算获得第一特征点的图像块的灰度质心，并获得该第一特征点相对于其图像块的灰度质心的第一方向信息，灰度质心表示图像块灰度值的中心，本实施例具体可以通过以下方式查找图像块的灰度质心：

在一个图像块中，矩定义为：

(1)

其中，I(x,y)是像素块(x,y)的灰度值， x,y代表在图像块B中的各像素坐标，I(x,y)代表此像素块（x,y）的灰度值，p和q的不同取值，分别用于求灰度质心的横坐标和纵坐标，当p=1,q=0时，可用于求图像块的灰度质心的横坐标；当p=0,q=1时，可用于求图像块的灰度质心的纵坐标；

当p=1,q=0时，m10可以通过以下公式求解：

当p=0,q=1时，m01可以通过以下公式求解：

当p=0,q=0时，m00可以通过以下公式求解：

通过矩可以找到图像块的质心：

(2)

连接图像块的几何中心（即特征点坐标）和灰度质心，即可产生一个方向向量，在此情况下，第一特征点的方向信息可以定义为：

(3)

S102，针对无人机降落至预定高度时所摄取的第二图像进行特征点提取，并将第二图像与第一图像进行特征点匹配，获得第二图像中与至少部分第一特征点相匹配的第二特征点。

上述步骤对无人机起飞至预定高度时所摄取的第一图像进行特征点提取、并计算获得第一特征点的第一方向信息之后，本步骤用于在无人机返回其原发射点的降落阶段，针对无人机降落至上述预定高度时所摄取的第二图像进行特征点提取，并将提取出的特征点与上述第一特征点进行匹配，将基于第二图像所提取出的特征点中、与至少部分第一特征点相匹配的特征点确定为第二特征点。在本实施例中，第二图像为第二关键帧，例如，在无人机返回其原发射点的降落阶段，使无人机保持在距离发射点较近的上述预定高度并进行视频图像采集，基于采集的图像序列选取上述第二关键帧，并使用ORB方法对该第二关键帧进行特征点提取和深度信息计算，并将第二图像所提取的特征点与上述第一图像的第一特征点进行特征点匹配，将第二图像所提取的特征点中与至少部分第一特征点匹配成功的特征点确定为第二特征点。

在本实施例中，为了提升匹配结果的准确性，在上述将第二图像所提取的特征点与上述第一图像的第一特征点进行特征点匹配，获得第二图像中与第一图像相匹配的特征点之后，还需进行匹配特征点过滤，以获得正确的第二特征点，具体的，在获得第二图像中与第一图像相匹配的特征点之后，获得任一该匹配特征点对应的邻居特征点，并基于该邻居点获得相似邻居特征点，最后基于该相似邻居特征点的数量，确定上述匹配特征点是否匹配正确，若正确，则确定该匹配特征点为第二特征点。具体的，假设第一图像与第二图像之间有N个匹配特征点，该N个匹配特征点可以被描述为：

其中一个匹配特征点中的邻居点匹配可以被描述为：

其中的相似邻居匹配可以被描述为：

基于此，可以定义以下模型：

其中，B代表了二项分布，

此时，匹配正误的判别式可以用均差比与方差之和表示：

上述邻居点匹配和相似邻居匹配是一种递进的匹配，假设图像A和B分别为上述第一图像和第二图像，

上述P的值与

需要说明的是，由于在对第一图像进行不同尺度的缩放后，对于特征点的匹配会产生较大的影响，因此，为了在对其进行不同程度的缩放后依然可以达到特征点匹配的目的，需对第一特征点进行尺度不变性处理，具体的，可在对第一图像进行特征点提取之前，按照不同的缩放比例对第一图像进行缩放处理，获得不同缩放比例的多个第一图像，对不同缩放比例的多个第一图像进行特征点提取，获得多个第一图像所包含的所有第一特征点；对应的，上述将第二图像与第一图像进行特征点匹配，具体是指：将不同缩放比例的多个第一图像所包含的第一特征点与第二图像所提取的特征点进行匹配。

S103，计算第二特征点的第二方向信息，并基于第二方向信息和第一方向信息，确定第二图像相对于第一图像的姿态变化信息。

本步骤用于计算第二特征点的第二方向信息，并基于第二方向信息和第一方向信息之间的差异，确定第二图像相对于第一图像的姿态变化信息，该姿态变化信息可反映无人机起飞和着陆时的姿态差异。在本实施例中，该第二方向信息为第二特征点相对于其图像块质心的第二方向信息，上述计算第二特征点的第二方向信息，具体是指：基于灰度质心法计算获得第二特征点的图像块的灰度质心，并获得第一特征点相对于其图像块的灰度质心的第二方向信息，具体计算方式可参考上述步骤S101中计算第一方向信息的方式，在此不再赘述。

上述基于第二方向信息和第一方向信息确定第二图像相对于第一图像的姿态变化信息，具体可采用现有的PnP（Perspective-n-Point，用于求解相机坐标系相对世界坐标系的位姿）方法计算两幅图像间的位姿变换矩阵，其表示世界坐标系到相机坐标系的旋转矩阵R和平移向量t。

S104，基于姿态变化信息，将无人机着陆时的姿态调整至无人机起飞时的姿态。

在上述步骤获得第二图像相对于第一图像的姿态变化信息之后，可将该位姿变化信息传送至无人机的控制平台，无人机可基于该姿态变化信息调整自身的位姿，以使自身着陆时的位姿与起飞时的位姿相同，实现无人机精确着陆。

本实施例提供的无人机着陆方法，针对无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得第一图像的第一特征点；计算获得第一特征点的第一方向信息；针对无人机降落至预定高度时所摄取的第二图像进行特征点提取，并将第二图像与第一图像进行特征点匹配，获得第二图像中与至少部分第一特征点相匹配的第二特征点；计算第二特征点的第二方向信息，并基于第二方向信息和第一方向信息，确定第二图像相对于第一图像的姿态变化信息；基于姿态变化信息，将无人机着陆时的姿态调整至无人机起飞时的姿态。该方法在无人机起飞至预定高度时记录第一图像的第一特征点的第一方向信息，并在着陆阶段无人机降落至上述预定高度时、获得第二图像的第二特征点（与至少部分第一特征点匹配）的第二方向信息，基于第一方向信息和第二方向信息即可确定第二图像相对于第一图像的姿态变化信息，并据此调整无人机着陆时的位姿，可实现无人机的精准高效着陆。相较于现有的基于视觉SLAM的无人机着陆方法，本方法无需预先在着陆点设置明显的并且鲁棒的标志物（H型着陆平台，三角着陆平台等），着陆便利性及实时性得以提升；相较于通过GPS（全球定位系统）的定位和导航方法进行无人机着陆，本方法可以在狭小、电磁干扰强的环境下实现无人机精准着陆，无人机着陆实时性及便利性更强、着陆精度更高、且成本更低，并且本方法舍弃现有无人机系统的回环检测和图构建部分，减少了数据冗余，可提高数据处理速度。

上述实施例提供了一种无人机着陆方法，与之相对应的，本申请另一实施例还提供了一种无人机着陆装置，该装置应用于无人机，由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对装置实施例的描述仅仅是示意性的。

请参考图2理解该实施例，图2为本实施例提供的无人机着陆装置的单元框图，如图2所示，本实施例提供的无人机着陆装置包括：

第一特征点获得单元201，用于针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得所述第一图像的第一特征点；

第一方向信息计算单元202，用于计算获得所述第一特征点的第一方向信息；

第二特征点确定单元203，用于针对所述无人机降落至所述预定高度时所摄取的第二图像进行特征点提取，并将所述第二图像与所述第一图像进行特征点匹配，获得所述第二图像中与至少部分所述第一特征点相匹配的第二特征点；

姿态变化信息确定单元204，用于计算所述第二特征点的第二方向信息，并基于所述第二方向信息和所述第一方向信息，确定所述第二图像相对于所述第一图像的姿态变化信息；

姿态调整单元205，用于基于所述姿态变化信息，将所述无人机着陆时的姿态调整至所述无人机起飞时的姿态。

在一种实施方式中，所述计算获得所述第一特征点的第一方向信息，包括：计算获得所述第一特征点相对于其图像块质心的第一方向信息；与所述图像块的质心坐标之间的第一方向信息；

所述计算所述第二特征点的第二方向信息，包括：计算获得所述第二特征点相对于其图像块质心的第二方向信息。

在一种实施方式中，所述计算获得所述第一特征点相对于其图像块质心的第一方向信息，包括：基于灰度质心法计算获得所述第一特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第一方向信息；

所述计算获得所述第二特征点相对于其图像块质心的第二方向信息，包括：基于灰度质心法计算获得所述第二特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第二方向信息。

在一种实施方式中，在针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取之前，还包括：按照不同的缩放比例对所述第一图像进行缩放处理，获得不同缩放比例的多个第一图像；

所述针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，包括：对不同缩放比例的所述多个第一图像进行特征点提取，获得所述多个第一图像所包含的第一特征点；

所述将所述第二图像与所述第一图像进行特征点匹配，包括：将不同缩放比例的所述多个第一图像所包含的第一特征点与所述第二图像所提取的特征点进行匹配。

在一种实施方式中，在将所述第二图像与所述第一图像进行特征点匹配之后，还包括：

获得所述第二图像与所述第一图像之间的匹配特征点；

获得任一所述匹配特征点对应的邻居特征点，并基于所述邻居点获得相似邻居特征点；

基于所述相似邻居特征点的数量，确定所述匹配特征点是否匹配正确，若正确，则确定所述匹配特征点为所述第二特征点。

在一种实施方式中，所述第一图像为第一关键帧，所述方法还包括：基于无人机起飞至预定高度时所采集的图像序列确定所述第一关键帧；

在一种实施方式中，所述第二图像为第二关键帧，所述方法还包括：基于所述无人机降落至所述预定高度时所采集的图像序列确定所述第二关键帧。

该无人机着陆装置在无人机起飞至预定高度时记录第一图像的第一特征点的第一方向信息，并在着陆阶段无人机降落至上述预定高度时、获得第二图像的第二特征点（与至少部分第一特征点匹配）的第二方向信息，基于第一方向信息和第二方向信息即可确定第二图像相对于第一图像的姿态变化信息，并据此调整无人机着陆时的位姿，可实现无人机的精准高效着陆。相较于现有的基于视觉SLAM的无人机着陆方式，本装置无需预先在着陆点设置明显的并且鲁棒的标志物（H型着陆平台，三角着陆平台等），着陆便利性及实时性得以提升；相较于通过GPS（全球定位系统）的定位和导航装置进行无人机着陆，本装置可以在狭小、电磁干扰强的环境下实现无人机精准着陆，无人机着陆实时性及便利性更强、着陆精度更高、且成本更低，并且本装置舍弃现有无人机系统的回环检测和图构建部分，减少了数据冗余，可提高数据处理速度。

在上述的实施例中，提供了一种无人机着陆方法以及一种无人机着陆装置，此外，本申请另一实施例还提供一种电子设备，由于电子设备实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对电子设备实施例的描述仅仅是示意性的。该电子设备实施例如下：

请参考图3理解本实施例，图3为本实施例提供的电子设备的示意图。

如图3所示，本实施例提供的电子设备包括：处理器301和存储器302；

该存储器302用于存储数据处理的计算机指令，该计算机指令在被处理器301读取执行时，执行如下操作：

针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得所述第一图像的第一特征点；

计算获得所述第一特征点的第一方向信息；

针对所述无人机降落至所述预定高度时所摄取的第二图像进行特征点提取，并将所述第二图像与所述第一图像进行特征点匹配，获得所述第二图像中与至少部分所述第一特征点相匹配的第二特征点；

计算所述第二特征点的第二方向信息，并基于所述第二方向信息和所述第一方向信息，确定所述第二图像相对于所述第一图像的姿态变化信息；

基于所述姿态变化信息，将所述无人机着陆时的姿态调整至所述无人机起飞时的姿态。

在一种实施方式中，所述计算获得所述第一特征点的第一方向信息，包括：计算获得所述第一特征点相对于其图像块质心的第一方向信息；与所述图像块的质心坐标之间的第一方向信息；

所述计算所述第二特征点的第二方向信息，包括：计算获得所述第二特征点相对于其图像块质心的第二方向信息。

在一种实施方式中，所述计算获得所述第一特征点相对于其图像块质心的第一方向信息，包括：基于灰度质心法计算获得所述第一特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第一方向信息；

所述计算获得所述第二特征点相对于其图像块质心的第二方向信息，包括：基于灰度质心法计算获得所述第二特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第二方向信息。

在一种实施方式中，在针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取之前，还包括：按照不同的缩放比例对所述第一图像进行缩放处理，获得不同缩放比例的多个第一图像；

所述针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，包括：对不同缩放比例的所述多个第一图像进行特征点提取，获得所述多个第一图像所包含的第一特征点；

所述将所述第二图像与所述第一图像进行特征点匹配，包括：将不同缩放比例的所述多个第一图像所包含的第一特征点与所述第二图像所提取的特征点进行匹配。

在一种实施方式中，在将所述第二图像与所述第一图像进行特征点匹配之后，还包括：

获得所述第二图像与所述第一图像之间的匹配特征点；

获得任一所述匹配特征点对应的邻居特征点，并基于所述邻居点获得相似邻居特征点；

基于所述相似邻居特征点的数量，确定所述匹配特征点是否匹配正确，若正确，则确定所述匹配特征点为所述第二特征点。

在一种实施方式中，所述第一图像为第一关键帧，所述方法还包括：基于无人机起飞至预定高度时所采集的图像序列确定所述第一关键帧；

在一种实施方式中，所述第二图像为第二关键帧，所述方法还包括：基于所述无人机降落至所述预定高度时所采集的图像序列确定所述第二关键帧。

通过使用本实施例提供的电子设备，在无人机起飞至预定高度时记录第一图像的第一特征点的第一方向信息，并在着陆阶段无人机降落至上述预定高度时、获得第二图像的第二特征点（与至少部分第一特征点匹配）的第二方向信息，基于第一方向信息和第二方向信息即可确定第二图像相对于第一图像的姿态变化信息，并据此调整无人机着陆时的位姿，可实现无人机的精准高效着陆。相较于现有的基于视觉SLAM的无人机着陆方法，本电子设备无需预先在着陆点设置明显的并且鲁棒的标志物（H型着陆平台，三角着陆平台等），着陆便利性及实时性得以提升；相较于通过GPS（全球定位系统）的定位和导航电子设备进行无人机着陆，本电子设备可以在狭小、电磁干扰强的环境下实现无人机精准着陆，无人机着陆实时性及便利性更强、着陆精度更高、且成本更低，并且本电子设备舍弃现有无人机系统的回环检测和图构建部分，减少了数据冗余，可提高数据处理速度。

在上述的实施例中，提供了一种无人机着陆方法、一种无人机着陆装置以及一种电子设备，此外，本申请另一实施例还提供了一种用于实现上述无人机着陆方法的计算机可读存储介质。本申请提供的计算机可读存储介质实施例描述得比较简单，相关部分请参见上述方法实施例的对应说明即可，下述描述的实施例仅仅是示意性的。

本实施例提供的计算机可读存储介质上存储有计算机指令，该指令被处理器执行时实现以下步骤：

针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，获得所述第一图像的第一特征点；

计算获得所述第一特征点的第一方向信息；

针对所述无人机降落至所述预定高度时所摄取的第二图像进行特征点提取，并将所述第二图像与所述第一图像进行特征点匹配，获得所述第二图像中与至少部分所述第一特征点相匹配的第二特征点；

计算所述第二特征点的第二方向信息，并基于所述第二方向信息和所述第一方向信息，确定所述第二图像相对于所述第一图像的姿态变化信息；

基于所述姿态变化信息，将所述无人机着陆时的姿态调整至所述无人机起飞时的姿态。

在一种实施方式中，所述计算获得所述第一特征点的第一方向信息，包括：计算获得所述第一特征点相对于其图像块质心的第一方向信息；与所述图像块的质心坐标之间的第一方向信息；

所述计算所述第二特征点的第二方向信息，包括：计算获得所述第二特征点相对于其图像块质心的第二方向信息。

在一种实施方式中，所述计算获得所述第一特征点相对于其图像块质心的第一方向信息，包括：基于灰度质心法计算获得所述第一特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第一方向信息；

所述计算获得所述第二特征点相对于其图像块质心的第二方向信息，包括：基于灰度质心法计算获得所述第二特征点的图像块的灰度质心，并获得所述第一特征点相对于其图像块的灰度质心的第二方向信息。

在一种实施方式中，在针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取之前，还包括：按照不同的缩放比例对所述第一图像进行缩放处理，获得不同缩放比例的多个第一图像；

所述针对所述无人机起飞至预定高度时所摄取的第一图像进行特征点提取，包括：对不同缩放比例的所述多个第一图像进行特征点提取，获得所述多个第一图像所包含的第一特征点；

所述将所述第二图像与所述第一图像进行特征点匹配，包括：将不同缩放比例的所述多个第一图像所包含的第一特征点与所述第二图像所提取的特征点进行匹配。

在一种实施方式中，在将所述第二图像与所述第一图像进行特征点匹配之后，还包括：

获得所述第二图像与所述第一图像之间的匹配特征点；

获得任一所述匹配特征点对应的邻居特征点，并基于所述邻居点获得相似邻居特征点；

基于所述相似邻居特征点的数量，确定所述匹配特征点是否匹配正确，若正确，则确定所述匹配特征点为所述第二特征点。

在一种实施方式中，所述第一图像为第一关键帧，所述方法还包括：基于无人机起飞至预定高度时所采集的图像序列确定所述第一关键帧；

在一种实施方式中，所述第二图像为第二关键帧，所述方法还包括：基于所述无人机降落至所述预定高度时所采集的图像序列确定所述第二关键帧。

通过执行本实施例提供的计算机可读存储介质上所存储的计算机指令，在无人机起飞至预定高度时记录第一图像的第一特征点的第一方向信息，并在着陆阶段无人机降落至上述预定高度时、获得第二图像的第二特征点（与至少部分第一特征点匹配）的第二方向信息，基于第一方向信息和第二方向信息即可确定第二图像相对于第一图像的姿态变化信息，并据此调整无人机着陆时的位姿，可实现无人机的精准高效着陆。相较于现有的基于视觉SLAM的无人机着陆方法，本方案无需预先在着陆点设置明显的并且鲁棒的标志物（H型着陆平台，三角着陆平台等），着陆便利性及实时性得以提升；相较于通过GPS（全球定位系统）的定位和导航装置进行无人机着陆，本方案可以在狭小、电磁干扰强的环境下实现无人机精准着陆，无人机着陆实时性及便利性更强、着陆精度更高、且成本更低，并且本方案舍弃现有无人机系统的回环检测和图构建部分，减少了数据冗余，可提高数据处理速度。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。

1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、 程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器 (DRAM)、 其他类型的随机存取存储器 (RAM)、只读存储器(ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。