该研究通过采集安装在四旋翼飞行器上的摄像头捕捉户外图像序列，定量分析了逆境环境条件对标记物探测的影响，并研究了其在精准起降以及城市场景飞行器飞行中提高可靠性的潜力。研究基于温度、光照、风速、湿度、能见度和降水等逆境条件下的半自主起降操作，评估了标记物的探测性能，包括准确性、召回率、连续性、可用性、鲁棒性、弹性和覆盖范围，并将数据集和分析代码作为开源资源发布给公众。

Sep, 2023

本文提出了使用多个标记的目标姿态估计方法，以应对无人机在记录任务时所面临的挑战。该方法可使无人机成功降落到指定目标上，证明了所采用方案的有效性和可行性。

Apr, 2023

本文提出了一种基于视觉控制的硬件 - 软件控制系统，可以自主降落多旋翼无人机，使用 LiDAR 传感器测量地面以上的飞行高度，并在 1280 x 720 @ 60 fps 视频流中实时检测带标记的着陆平台，并以 96％的准确率检测了着陆平台，表明重新编程的异构计算系统是解决 UAV 问题的好方案，可以实现相对较低的能耗的实时数据流处理。

Apr, 2020

本研究提出了一种基于神经网络和增强学习的无人机自主降落系统，该系统仅依赖于镜头传感器，经过现实世界测试，平均偏差为 15cm。

Sep, 2022

本文提出了一种基于视觉的自主停泊方法，用于将纳米四轴飞行器停泊在水平表面上预定义的停泊目标上。

Jun, 2023

本文介绍了一种用于检测和评估四旋翼机器人安全降落潜在地点的新方法，该方法通过整合 2D 和 3D 环境信息，从神经网络 (NN) 获得语义数据以及从视差图获得几何信息，定义了基于几何属性的成本指标，以评估环境中区域的安全性、稳定性和适用性，并实时运行于计算能力有限的四旋翼机器人上，实验证明该方法能够有效评估和识别合适的降落区域，实现四旋翼机器人的安全自主降落。

Nov, 2023

本研究提出了一种共享自主系统，该系统可以协助新手驾驶员在多个高架平台上实现安全着陆，并在使用模拟无人机时进行了用户研究。

Nov, 2020

本文探讨了使用基于图像的视觉伺服控制解决空中载具（如四旋翼无人机）在移动平台上的着陆问题。首先介绍了四旋翼飞行器的数学模型，然后设计内环控制。在第二阶段中，利用纹理目标平面上的图像特征来推导基于视觉的控制定律。使用降落目标中一组地标的球形质心的图像作为位置测量，而平移光流作为速度测量。使用可观察特征来表达基于视觉的系统的运动学，并且所提出的控制定律确保收敛，无需估计视觉系统与目标之间的未知距离，同时保证该距离始终保持严格为正，避免意外碰撞。通过 MATLAB 和 3D 仿真软件 Gazebo 对所提出的控制定律进行了评估。对于移动目标的不同速度配置文件，提供了四旋翼无人机的仿真结果，展示了所提出控制器的鲁棒性。

Apr, 2024

一项使用单目相机和一组基准标记的方法，计算旋转空气轴承平台的姿态，该方法提出了一种基于几何的迭代算法，比解决透视 n 点问题的其他方法更准确，另外还展示了自动校准程序来执行系统参数的初步估计，并使用一组 LED 标记测试了该方法。

Dec, 2023

该研究介绍了一种基于多模式变压器的深度学习探测器，可为精确自主着陆提供可靠的定位，同时还提出了一种基于深度 Q 网络的强化学习决策模型，该模型在模拟环境中进行训练，然后成功地在真实户外场景中验证其适用性。

May, 2024