1.基于标志物多特征融合的无人机自动寻的着陆方法，所述标志物仅包括红绿蓝中的任意两种颜色，其特征在于，包括以下具体步骤：步骤1，载入标志物的基准图像，提取基准图像的特征点集合和特征向量；

步骤2，接入机载摄像机的实时视频流，对视频图像进行逐帧处理，具体为：

201，提取场景图的最优匹配特征点集合，具体为：

1)提取当前帧场景图的特征点集合和特征向量；

2)将当前帧场景图的特征点集合和基准图像的特征点集合进行匹配，获得匹配特征点对集合；

3)计算匹配特征点对集合中所有匹配特征点对的特征向量之间的欧氏距离，并对求得的欧氏距离进行排序，得到匹配特征点对的距离集合；

4)计算匹配特征点对的距离集合中距离的均值mean(Ds)，并找出匹配特征点对的距离集合中的最短距离min(Ds)，若mean(Ds)/min(Ds)＞T，则当前帧场景图和基准图像匹配，进入5)，否则舍弃当前帧场景图，返回1)执行对下一帧场景图的操作；其中，T为第一阈值；

5)利用矢量场一致VFC算法和最大期望EM算法获取匹配特征点对的集合中的最优匹配特征点对集合，从而得到场景图的最优匹配特征点集合；

202，获取基准图在场景图中的最优位置，具体为：

a)对当前帧场景图进行RGB三通道分离，得到R、G、B通道图像；

b)选取对应标志物所含两种颜色的当前帧场景图的两个通道图像，分别计算其与另外两个通道图像的像素值的相对强度的乘积，得到两张相对像素强度的灰度图I1和I2；

c)对b)中的到的灰度图I1和I2进行阈值化，得到二值化图像 和b)膨胀 对其中白色像素块边缘提亮，得到图像

d)获取 中的连通域，按照边界长度对连通域进行排序，滤除边界长度不在有效边界长度范围内的连通域；

e)获取d)中剩余连通域的外接矩形，滤除外接矩形长宽比不在有效比值范围内的连通域；

f)将e)中剩余连通域映射到 和 上，所得到的区域作为兴趣区；对兴趣区内求像素和，获取每个连通域对应的一对兴趣区的像素和的比值，滤除该比值小于第二阈值的连通域；

g)将f)中剩余连通域中对应的一对兴趣区的像素和的比值最大的连通域，作为基准图在场景图中的最优位置；

步骤3，获取201中得到的最优匹配特征点集合中落入基准图在场景图中的最优位置中的特征点，这些特征点的像素中心即为标志物的位置。

2.根据权利要求1所述的基于标志物多特征融合的无人机自动寻的着陆方法，其特征在于，步骤201中5)利用矢量场一致VFC算法和最大期望EM算法获取匹配特征点对的集合中的最优匹配特征点对集合，具体为：首先，利用当前帧场景图的匹配特征点对集合中的特征点，根据最大期望EM算法在RKHS空间域内估计出其最优矢量场；然后，利用最优矢量场对匹配特征点对集合中的误匹配特征点对进行剔除，从而得到最优匹配特征点对集合。

3.根据权利要求1所述的基于标志物多特征融合的无人机自动寻的着陆方法，其特征在于，步骤201中2)使用快速最近邻算法FLANN对基准图像特征点集和当前帧场景图特征点集进行匹配。

4.根据权利要求1所述的基于标志物多特征融合的无人机自动寻的着陆方法，其特征在于，步骤201中1)使用SURF算法提取当前帧场景图的特征点集和特征向量。

5.根据权利要求1所述的基于标志物多特征融合的无人机自动寻的着陆方法，其特征在于，步骤1中使用SURF算法提取基准图像的特征点集和特征向量。

6.根据权利要求1所述的基于标志物多特征融合的无人机自动寻的着陆方法，其特征在于，步骤201中1)提取当前帧场景图的特征点集合和特征向量前，还包括对当前帧场景图进行缩放，以满足实际需求。

7.根据权利要求1所述的基于标志物多特征融合的无人机自动寻的着陆方法，其特征在于，步骤202中a)对当前帧场景图进行RGB三通道分离，得到R、G、B通道图像后，还包括将R、G、B通道图像从8为无符号型转换成32为浮点型，以便于后续计算。

8.根据权利要求1所述的基于标志物多特征融合的无人机自动寻的着陆方法，其特征在于，步骤202中d)或e)或f)中剩余连通域数量为0，则舍弃当前帧场景图，返回步骤201，执行对下一帧场景图的操作。