1.一种固定翼无人机视觉着陆引导方法,其特征在于,包括:使用3D CNN提取固定翼无人机着陆阶段成像设备采集到的视频中相邻多帧图像,通过计算相邻多帧图像能够相互匹配的特征点之间的位置变化信息,控制无人机自主着陆。
2.根据权利要求1所述的方法,其特征在于,包括:基于3D CNN的位姿控制参数修正和基于3D CNN的近距离跑道跟踪两部分;
所述基于3D CNN的位姿控制参数修正为:针对采集到的相邻帧对应的图像使用基于3D CNN的方法对位姿控制参数进行修正;所述位姿控制参数包括:基于相邻帧匹配特征点的侧偏角、滚转角、俯仰角;
所述基于3D CNN的近距离跑道跟踪为:对采集到的视频中连续帧采用所述基于3D CNN的方法对位姿控制参数进行时实修正。
3.根据权利要求2所述的方法,其特征在于,所述侧偏角修正算法由以下公式表示:αnew=αold+δα
其中,k为调整系数,通过大量视频训练得到,δα是侧偏角的修正角;d是视频的相邻帧中匹配特征点的横向偏移,h是视频的相邻帧中匹配特征点的纵向偏移,arctan为反正切函数,α为侧偏角,αnew为修正后的侧偏角,αold为修正前的侧偏角。
4.根据权利要求2所述的方法,其特征在于,滚转角修正算法由以下公式表示:δβ=-lλ
βnew=βold+δβ
其中,l为调整系数,通过大量视频训练得到,β为滚转角,δβ为滚转角的修正角,βnew为修正后的滚转角,βold为修正前的滚转角,λ为视频的相邻帧中匹配特征点之间的相对旋转角度。
5.根据权利要求2所述的方法,其特征在于,所述俯仰角修正算法由以下公式表示:δγ=-mh
γnew=γold+δγ
其中,m为调整系数,通过大量视频训练得到,h为视频的相邻帧中匹配特征点的纵向偏移,δγ为俯仰角的修正角,γnew为修正后的俯仰角,γold为修正前的俯仰角。