在目標特征匹配階段，根據前一幀目標姿態頂測當前幀目標姿態，從而確定待匹配的一組特征。接著根據已知的無人機模型，將包含候選特征的感興趣區城(Region Of Interest, ROI)進行劃分，便于減少后續匹配的計算量。然后，在各個ROI中，通過合適的方法尋找特征并與模型進行匹配。由于可能找到多個特征，因此需要通過非線性回歸的方法確定最優匹配結果。圖6為基于Harris角點檢測和SIFT特征匹配的特征提取與匹配算法流程圖。
圖中左圖像和右圖像是經過校正的同一場景掃描所得到的左視圖和右視圖。該算法首先對左圖運用Harris特征提取算法進行特征點提取。然后用SIFT特征描述子對特征點進行描述，利用歐氏距離的最近鄰匹配策略完成初次立體匹配，找到匹配點。然后在圖像中已經匹配點的周圍，利用基于區域的匹配進行二次匹配，建立對應點匹配關系。
實時相對位姿計算（略）
實時相對位姿計算（略）
結束語
本文從理論上闡述了多變特征立體視覺位姿測量技術，在不增加無人直升機載荷的前提下，滿足了無人直升機著陸過程中對高精度相對位姿信息的應用需求，為解決對無人直升機的跟蹤和相對位姿信息測量的高精度問題提供了一定的理論依據。
該方法不僅可實現雙目紅外傳感器穩定、可靠跟蹤無人直升機運動，而且可以實時輸出高精度相又寸位姿參數和紅外雙目傳感器隨動信息；具有全天候、高分辨率、抗干擾性強的特點，解決了單目紅外成像系統在沒有特殊特征圖案情況下無法實時精確測量無人直升一機與運動平臺的相對高度信息的問題，實現了對沒有安裝特定特征點的艦載無人直升機精確的位姿測量。
?