CN109885086A - 一种基于复合多边形标志引导的无人机垂直降落方法 - Google Patents

Abstract

本发明涉及无人机和机器视觉领域，具体是一种基于复合多边形标志引导的无人机垂直降落方法，包括以下步骤：(1)设置复合多边形标志；(2)无人机对拍摄的降落区域图像进行预处理；(3)无人机获取二值化边缘信息图像的轮廓信息；(4)无人机对二值化边缘信息图像的轮廓信息进行筛选；(5)无人机计算多边形轮廓的像素长度和中心点坐标；(6)无人机确定轮廓组合方式并识别复合多边形标志；(7)无人机计算其与标志物的相对坐标；(8)无人机降落控制；(9)无人机降落调整。本发明实现了无人机对特定目标的锁定、跟踪和精确的垂直降落等功能。

Description

一种基于复合多边形标志引导的无人机垂直降落方法

技术领域

本发明涉及无人机和机器视觉领域，具体是一种基于复合多边形标志引导的无人机垂直降落方法，可用于无人机自主降落于固定地点。

背景技术

无人机是一种能够快速实现空中到达的技术平台，其在电力巡检、环境监测、地理遥感、测绘、交通指挥、通讯中继等领域有着广泛的应用。无人机具有使用成本低、技术灵活、不需人员直接到达第一现场等优点，可实现垂直起降、定点悬停、位置锁定、定时定点巡逻等功能。随着无人机应用技术的发展和推广，各应用领域和行业对无人机的技术细节和功能实现都提出了许多深入要求，其中，以摆脱对无人机操控手的人员依赖等实现无人机的全自动化或程序化操作是未来无人机技术发展的重要方向。其中，对无人机自主着陆回收的需求日益增加。

在现有发展的自主降落技术中，大部分的无人机通过卫星定位***进行定位和导航，也有一部分无人机通过机器视觉方法进行定位和导航。采用卫星定位***进行定位和导航的无人机其飞行精度和定位精度受卫星定位***精度和信号强度等因素影响，从而对无人机的定位导航产生较大的精度影响，造成一定的误差，在定点巡查、跟踪、定点起降等功能应用上造成较大的困难和不确定性。民用全球定位***精度只能达到10米之内，在降落过程中，这个精度无法达到无人机精确降落的要求。采用机器视觉方法进行定位和导航的无人机，其视觉方法的识别受标志物大小、形状、颜色等因素的影响较大，并且容易被外部环境中的相似物体所干扰，导致无人机无法满足实际降落要求。

因此，针对以上现状，迫切需要开发一种基于复合多边形标志引导的无人机垂直降落方法，以克服当前实际应用中的不足。

发明内容

本发明的目的在于提供一种基于复合多边形标志引导的无人机垂直降落方法，旨在解决现有技术中采用卫星定位***时受到卫星信号强度和数量的影响，定位存在不确定性，可能产生较大误差，无法实现精确起降的问题或者在视觉方法中受标志物自身因素和外部环境干扰的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于复合多边形标志引导的无人机垂直降落方法，包括以下步骤：

(1)设置复合多边形标志：

卫星定位***引导无人机进入降落区域上空，在无人机的降落区域设置复合多边形标志，该复合多边形标志由三个中心点重合的正多边形从里向外依次嵌套而成，且相邻正多边形的颜色不同；

(2)无人机对拍摄的降落区域图像进行预处理：

无人机通过机载相机对包括复合多边形标志的降落区域进行拍摄，并通过机载计算机对拍摄的图像进行均值滤波，得到降噪后的降落区域图像；

(3)无人机获取二值化边缘信息图像的轮廓信息：

3a)无人机通过机载计算机对降落区域图像进行边缘检测，得到降落区域的二值化边缘信息图像；

3b)无人机通过机载计算机提取二值化边缘信息图像中包括拐点个数和拐点坐标的轮廓信息并保存；

(4)无人机对二值化边缘信息图像的轮廓信息进行筛选：

无人机通过机载计算机将提取得到的轮廓信息进行筛选，选择出轮廓拐点的个数与复合多边形标志中多边形边数相同的多边形轮廓，得到符合复合多边形标志中三个多边形的多边形轮廓；

(5)无人机计算多边形轮廓的像素长度和中心点坐标：

无人机通过机载计算机根据多边形轮廓拐点坐标得到多边形边长的像素长度和多边形中心点像素坐标；

(6)无人机确定轮廓组合方式并识别复合多边形标志：

无人机通过飞行控制器的飞行参数获得当前高度，无人机根据当前高度确定多边形轮廓组合方式并进行复合多边形标志识别，得到识别出的多边形轮廓组合；

(7)无人机计算其与标志物的相对坐标：

无人机通过机载计算机利用二值化边缘信息图像中多边形轮廓组合中边长的像素长度和中心点像素坐标信息，计算无人机与标志物的相对坐标(X，Y，H)；X，Y代表无人机当前位置与标志物的平面坐标，H代表无人机与标志物的当前高度；

(8)无人机降落控制：

无人机通过步骤(8)得到的相对坐标，与多边形轮廓组合中心点的坐标进行比较计算，得到期望位移，将期望位移传入飞行控制器，飞行控制器经过PID控制得到旋翼角速度的输出值，进行无人机降落的控制；

(9)无人机降落调整：

无人机先水平进行位姿调整，直到水平方向上无人机中心点坐标与标志物图案中点坐标重合，之后进行降落。

作为本发明进一步的方案：步骤(1)所述的复合多边形标志，其中的三个正多边的形状相同或不同。

作为本发明进一步的方案：步骤(3)中所述的无人机通过机载计算机对降落区域图像进行边缘检测，采用Canny边缘检测方法，实现步骤为：

3a1)将降落区域图像转换为灰度图，并根据灰度图的几何特征调整小阈值，大阈值两个参数，进行图像分割；

3a2)将分割后的图像利用边缘检测坎尼算子得到只含有二值化边缘信息的图像。

作为本发明进一步的方案：步骤(4)所述的提取的轮廓信息，实现步骤为：

4a)根据无人机拍摄误差影响所确定的轮廓提取的精度是多边形周长乘0.004与5像素值相比的最大值；

4b)根据轮廓提取精度值，将满足精度值以内的闭合边缘线段集合作为轮廓信息。

作为本发明进一步的方案：步骤(4)所述的轮廓提取得到的是闭合轮廓信息，并将轮廓面积小于M像素值和凹轮廓进行去除，其中，2≤M≤20。

作为本发明进一步的方案：步骤(7)所述的多边形轮廓中心点像素坐标(x_o，y_o)由公式(1)，公式(2)计算得到：

其中，M₀₀＝∑_x∑_yI(x，y)，M₁₀＝∑_x∑_yxI(x，y)，M₀₁＝∑_x∑_yyI(x，y)，I(x，y)为当前轮廓的二值图像中像素坐标(x，y)的像素值，x，y的变化范围为轮廓的区域，x_c，y_c分别为计算得到的坐标；令(x_c，y_c)作为轮廓中心点(x_o，y_o)：

作为本发明进一步的方案：步骤(7)所述的根据当前高度确定多边形轮廓组合并进行复合多边形标志识别，其中的高度在机载计算机能够完整识别标志外层两种多边形的距离范围时，选择与标志外层两种多边形相同的多边形轮廓作为组合图形，高度在机载计算机能够完整识别到标志内层两种多边形的距离范围时，选择与标志物内层两种多边形相同的多边形轮廓作为组合图形；当组合图形与标志的组合方法相同时，则认定为复合多边形标志。

作为本发明进一步的方案：步骤(8)所述的计算当前无人机的位置坐标，摄像头焦距为f，摄像机拍摄的组合图形中内部多边形边长的像素长度为h，标志物图形的实际长度为L，相对高度为H，图像的尺寸缩放比例为d，可以推导得到相对高度H的计算公式(3)：

机载摄像头中心点坐标(x_i，y_i)距离标志物中心坐标(x_o，y_o)的横向像素坐标为x＝x_i-x_o，纵向像素坐标为y＝y_i-y_o，水平方向无人机实际相对坐标为(X，Y)，可根据公式(4)推导得到：

X＝x×d；Y＝y×d (4)

其中，d为图像的尺寸缩放比例，摄像头焦距f需要经过计算得到，对摄像头进行标定之后可以得到摄像头横向焦距fx，纵向焦距fy；摄像头焦距f的计算公式(5)为：

f＝(f_x+f_y)/2 (5)。

作为本发明进一步的方案：步骤(9)中所述的与图案中心点的坐标进行计算得到期望位移，计算方法是期望位移X，Y为无人机实际相对坐标值。

作为本发明进一步的方案：如果未筛选得到符合要求的图案，则重复步骤(2)、步骤(3)和步骤(4)；未发现标志物图案，则无人机保持原位悬停t秒，1≤t≤5，进行标志物检测；如果在悬停t秒之内，一直未发现标志物，无人机垂直向上爬升，进行标志物检测；最大爬升高度为无人机能够识别出标志物外部多边形的最远距离。

与现有技术相比，本发明的有益效果是：

1)通过在目标位置放置有特殊图形的标定板，运用机器视觉算法，把摄像头采集到的图像进行特征提取和重心、边长、比例计算，从而得到无人机的相对高度和相对位置，实现了无人机对特定目标的锁定、跟踪和精确地垂直降落等功能；

2)使用特殊图形组合的图案，降低了外部环境的干扰，提升了识别的准确率，同时降低了图像处理算法的复杂度；

3)通过设置不同距离识别不同大小图案的标志物，提高了无人机在高空中识别标志物的精度，同时也解决了无人机降落到低空后无法识别标志物的问题。

附图说明

图1是无人机在降落过程的实施流程图。

图2是目标物标定板的复合多边形图案。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，本发明实施例中，一种基于复合多边形标志引导的无人机垂直降落方法，包括以下步骤：

步骤1)，根据设定的降落区域的卫星定位***信息，通过卫星定位***引导无人机进入降落区域上空，降低无人机高度，使无人机悬停在距地面10-15m高度；

其中，降落区域为标识有多边形降落标志的区域，多边形降落标志如图2所示，所述的多边形降落标志由中心在同一点的正六边形、正五边形和正三角形组成。多边形降落标志的六边形面积最大，其次是五边形，三角形最小，六边形各边长为60cm，五边形各边长为45cm，三角形各边长为26cm，其中，六边形和三角形填充色为黑色，五边形填充色为白色。

步骤2)，使用机载相机拍摄图像，使用均值滤波进行预处理，之后通过Canny边缘检测方法提取出图像中的边缘信息，得到只有二值化边缘信息的图像；

步骤3)，将得到的边缘图像进行轮廓提取，提取所有轮廓，包括内围和***轮廓，轮廓之间彼此独立，提取各个轮廓上的拐点坐标信息并进行保存；

其中，轮廓提取得到的是闭合轮廓信息，并将轮廓面积小于10像素值和凹轮廓进行去除。

步骤4)，将提取得到的闭合轮廓信息进行筛选，筛选出正六边形、正五边形和正三角形的轮廓，将各个多边形的边长和中心点坐标根据不同高度进行组合，在高度为4m以上时，图形组合是六边形和五边形，标志物边长为五边形边长，高度为1m到4m范围内，图形组合是五边形和三角形，标志物边长为三角形边长，满足图形组合条件的图案，则认定为标志物；

其中，筛选的六边形、五边形和三角形的方法是根据步骤3)提取得到的各轮廓拐点数目来确定的，拐点数分别为6、5和3；是否为正多边形的判断条件分两个，一个是比较各个轮廓的边长是否一致，另一个是比较轮廓中心点到各边长距离是否相同，轮廓中心点(x_o，y_o)由公式(1)，公式(2)计算得到：

其中，M₀₀＝∑_x∑_yI(x，y)，M₁₀＝∑_x∑_yxI(x，y)，M₀₁＝∑_x∑_yyI(x，y)，I(x，y)为当前轮廓的二值图像中像素坐标(x，y)的像素值，x，y的变化范围为轮廓的区域；x_c，y_c分别为计算得到的坐标，令(x_c，y_c)作为轮廓中心点(x_o，y_o)：

图形组合的条件是两个图形的中心点重合，当六边形与五边形组合时，六边形边长大于五边形边长，五边形像素区域在六边形像素区域内，五边形与三角形组合时，五边形边长大于三角形边长，三角形像素区域在五边形像素区域内，检测得到的符合图形组合方式的图案认为是标志物；

如果未筛选得到符合要求的图案，则重复步骤2)、步骤3)和步骤4)，未发现标志物图案，则无人机保持原位悬停3秒，进行标志物检测，如果在悬停3秒内一直未发现标志物，无人机向上爬升，进行标志物检测，最大爬升高度为15m。

步骤5)，利用当前帧图像中标志物的像素边长和中心点像素坐标信息，来计算当前无人机的位置坐标(X，Y，H)；X，Y代表无人机当前位置与标志物的水平面坐标，H代表无人机与标志物的相对高度；

其中，摄像头焦距为f，摄像机拍摄的组合图案中内部多边形的像素长度为h，标志物边长的实际长度为L，相对高度为H，图像的尺寸缩放比例为d，可以推导得到相对高度H的计算公式(3)：

机载摄像头中心点(x_i，y_i)距离标志物中心(x_o，y_o)的横向像素坐标为x＝x_i-x_o，纵向像素坐标为y＝y_i-y_o，则水平方向的实际相对坐标为(X，Y)，可根据公式(4)推导得到：

X＝x×d；Y＝y×d (4)

其中，d为图像的尺寸缩放比例，摄像头焦距f需要经过计算得到，对摄像头进行标定之后可以得到摄像头横向焦距fx，纵向焦距fy。摄像头焦距f的计算公式(5)为：

f＝(fx+fy)/2 (5)

步骤6)，根据步骤5)得到的无人机位置坐标，与图案中心点的坐标进行比较计算，得到期望位移，将期望位移传入飞行控制器，飞行控制器经过PID控制得到旋翼角速度的输出值，进行无人机降落的控制；

步骤7)，无人机先水平进行位姿调整，直到水平方向上无人机中心点坐标与标志物图案中点坐标重合，之后进行降落。

具体应用方案为：

1)卫星定位***引导无人机进入降落区域上空；

2)使用相机拍摄图像，均值滤波预处理之后通过Canny边缘检测方法提取图像中的边缘信息，得到二值化边缘信息的图像；

3)将得到的边缘图像进行轮廓提取，提取所有轮廓，将各个轮廓上的拐点坐标信息并进行保存；

4)筛选轮廓信息，得到六边形、五边形和三角形，将不同图形根据识别条件和组合方式进行组合；

5)利用当前帧图像中标志物的像素边长和中心点像素坐标信息，来计算当前无人机的位置坐标(X，Y，H)；

6)根据无人机位置坐标控制无人机降落；

7)无人机水平方向进行调整，之后垂直降落。

综上所述，本发明通过计算机视觉算法，将具有特殊几何图形的图案作为无人机降落的标志物进行引导，将摄像头采集到的图像进行特征提取和边长、中心的比例计算，从而得到无人机与标志物的相对高度和相对位置，再通过特定的降落流程操作，实现了无人机对特定目标的检测、跟踪和精确地垂直降落等功能。

无人机实际飞行降落测试：

本实验测试无人机在计划的路线飞行时，到达规定着陆点后执行目标物体识别与着陆的任务。其中，无人机的飞控需要与笔记本电脑的地面控制台进行通信，并且笔记本通过WiFi远程控制无人机上的妙算。飞控与妙算在执行降落时也需要保持通信，采用串口通信。图像处理进程和数据传输进程之间采用进程间通信，飞控端的命令主要用到了start，stop，end，read_imu，write_dis五个命令。偏航角数据是无人机将自身所测偏航角传入到妙算中供图像处理进程使用，妙算端将无人机的深度信息，NED坐标传到飞控端。为保证飞行阶段无人机通信的畅通，飞行高度设置为2米，为防止无人机失控对人或其他物体造成伤害，无人机速度设置为0.3m/s，着陆场地为着陆点为中心，半径2米的圆形区域，附近无遮挡物，地面为红色塑胶场地，便于目标物体的识别。识别物体为13.8cm*14cm的标记物体。

无人机先执行计划飞行路线，计划飞行路线的终点为着陆点，此时无人机进行悬停，等待降落指令发出，在执行降落指令之后，无人机悬停位置为目标物体的东北角，无人机在一段时间的悬停调整后，能够准确识别到目标物体，并进行下落，下落轨迹为无人机从目标物体的东北角飞到西南角。下落过程，无人机能够根据目标物体与自己的相对距离进行位姿调整。无人机降落点距离目标物体距离为0.92米，在正常着陆范围内，无人机悬停位置。

经无人机实地着陆实验可以发现，无人机识别物体后完整降落的误差在1米范围内，满足无人机定点降落的需求。误差产生原因分析：通过结合妙算端的坐标数据和无人机飞行视频可以得出，妙算端传输的数据与飞控端接收到的数据有延迟，而通信协议中设定的stop指令为，当无人机检测不到目标物体时，无人机将悬停。所以在无人机将延迟的数据作为飞控的数据进行调整时，目标物体已经移出了无人机的视野，此时无人机直接执行stop指令，导致无人机的位姿调整还未完成，就进行了悬停。

该基于复合多边形标志引导的无人机垂直降落方法，具有以下突出特点：

1)通过在目标位置放置有特殊图形的标定板，运用机器视觉算法，把摄像头采集到的图像进行特征提取和重心、边长、比例计算，从而得到无人机的相对高度和相对位置，实现了无人机对特定目标的锁定、跟踪和精确地垂直降落等功能；

2)使用特殊图形组合的图案，降低了外部环境的干扰，提升了识别的准确率，同时降低了图像处理算法的复杂度；

3)通过设置不同距离识别不同大小图案的标志物，提高了无人机在高空中识别标志物的精度，同时也解决了无人机降落到低空后无法识别标志物的问题。

以上的仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。

Claims (10)

1.一种基于复合多边形标志引导的无人机垂直降落方法，其特征在于，包括以下步骤：

(1)设置复合多边形标志：

卫星定位***引导无人机进入降落区域上空，在无人机的降落区域设置复合多边形标志，该复合多边形标志由三个中心点重合的正多边形从里向外依次嵌套而成，且相邻正多边形的颜色不同；

(2)无人机对拍摄的降落区域图像进行预处理：

无人机通过机载相机对包括复合多边形标志的降落区域进行拍摄，并通过机载计算机对拍摄的图像进行均值滤波，得到降噪后的降落区域图像；

(3)无人机获取二值化边缘信息图像的轮廓信息：

3a)无人机通过机载计算机对降落区域图像进行边缘检测，得到降落区域的二值化边缘信息图像；

3b)无人机通过机载计算机提取二值化边缘信息图像中包括拐点个数和拐点坐标的轮廓信息并保存；

(4)无人机对二值化边缘信息图像的轮廓信息进行筛选：

无人机通过机载计算机将提取得到的轮廓信息进行筛选，选择出轮廓拐点的个数与复合多边形标志中多边形边数相同的多边形轮廓，得到符合复合多边形标志中三个多边形的多边形轮廓；

(5)无人机计算多边形轮廓的像素长度和中心点坐标：

无人机通过机载计算机根据多边形轮廓拐点坐标得到多边形边长的像素长度和多边形中心点像素坐标；

(6)无人机确定轮廓组合方式并识别复合多边形标志：

无人机通过飞行控制器的飞行参数获得当前高度，无人机根据当前高度确定多边形轮廓组合方式并进行复合多边形标志识别，得到识别出的多边形轮廓组合；

(7)无人机计算其与标志物的相对坐标：

无人机通过机载计算机利用二值化边缘信息图像中多边形轮廓组合中边长的像素长度和中心点像素坐标信息，计算无人机与标志物的相对坐标(X，Y，H)；X，Y代表无人机当前位置与标志物的平面坐标，H代表无人机与标志物的当前高度；

(8)无人机降落控制：

无人机通过步骤(8)得到的相对坐标，与多边形轮廓组合中心点的坐标进行比较计算，得到期望位移，将期望位移传入飞行控制器，飞行控制器经过PID控制得到旋翼角速度的输出值，进行无人机降落的控制；

(9)无人机降落调整：

无人机先水平进行位姿调整，直到水平方向上无人机中心点坐标与标志物图案中点坐标重合，之后进行降落。

2.根据权利要求1所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(1)所述的复合多边形标志，其中的三个正多边的形状相同或不同。

3.根据权利要求1或2所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(3)中所述的无人机通过机载计算机对降落区域图像进行边缘检测，采用Canny边缘检测方法，实现步骤为：

3a1)将降落区域图像转换为灰度图，并根据灰度图的几何特征调整小阈值，大阈值两个参数，进行图像分割；

3a2)将分割后的图像利用边缘检测坎尼算子得到只含有二值化边缘信息的图像。

4.根据权利要求3所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(4)所述的提取的轮廓信息，实现步骤为：

4a)根据无人机拍摄误差影响所确定的轮廓提取的精度是多边形周长乘0.004与5像素值相比的最大值；

4b)根据轮廓提取精度值，将满足精度值以内的闭合边缘线段集合作为轮廓信息。

5.根据权利要求4所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(4)所述的轮廓提取得到的是闭合轮廓信息，并将轮廓面积小于M像素值和凹轮廓进行去除，其中，2≤M≤20。

6.根据权利要求1所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(7)所述的多边形轮廓中心点像素坐标(x_o，y_o)由公式(1)，公式(2)计算得到：

其中，M₀₀＝∑_x∑_yI(x，y)，M₁₀＝∑_x∑_yxI(x，y)，M₀₁＝∑_x∑_yyI(x，y)，I(x，y)为当前轮廓的二值图像中像素坐标(x，y)的像素值，x，y的变化范围为轮廓的区域，x_c，y_c分别为计算得到的坐标；令(x_c，y_c)作为轮廓中心点(x_o，y_o)：

7.根据权利要求6所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(7)所述的根据当前高度确定多边形轮廓组合并进行复合多边形标志识别，其中的高度在机载计算机能够完整识别标志外层两种多边形的距离范围时，选择与标志外层两种多边形相同的多边形轮廓作为组合图形，高度在机载计算机能够完整识别到标志内层两种多边形的距离范围时，选择与标志物内层两种多边形相同的多边形轮廓作为组合图形；当组合图形与标志的组合方法相同时，则认定为复合多边形标志。

8.根据权利要求7所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(8)所述的计算当前无人机的位置坐标，摄像头焦距为f，摄像机拍摄的组合图形中内部多边形边长的像素长度为h，标志物图形的实际长度为L，相对高度为H，图像的尺寸缩放比例为d，可以推导得到相对高度H的计算公式(3)：

机载摄像头中心点坐标(x_i，y_i)距离标志物中心坐标(x_o，y_o)的横向像素坐标为x＝x_i-x_o，纵向像素坐标为y＝y_i-y_o，水平方向无人机实际相对坐标为(X，Y)，可根据公式(4)推导得到：

X＝x×d；Y＝y×d (4)

其中，d为图像的尺寸缩放比例，摄像头焦距f需要经过计算得到，对摄像头进行标定之后可以得到摄像头横向焦距fx，纵向焦距fy；摄像头焦距f的计算公式(5)为：

f＝(f_x+f_y)/2 (5)。

9.根据权利要求8所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，步骤(9)中所述的与图案中心点的坐标进行计算得到期望位移，计算方法是期望位移X，Y为无人机实际相对坐标值。

10.根据权利要求1所述的基于复合多边形标志引导的无人机垂直降落方法，其特征在于，如果未筛选得到符合要求的图案，则重复步骤(2)、步骤(3)和步骤(4)；未发现标志物图案，则无人机保持原位悬停t秒，1≤t≤5，进行标志物检测；如果在悬停t秒之内，一直未发现标志物，无人机垂直向上爬升，进行标志物检测；最大爬升高度为无人机能够识别出标志物外部多边形的最远距离。