目前行业无人机增值应用最火的莫过于无人机机场应用，而国内外的无人机机场应用现在还处于起步阶段。无人机机场的前进方向遇到很多问题，首要解决的一项关键问题是无人机自主精准降落的问题。现在市面上常见的无人机(固定翼、多旋翼、直升机)精准降落方法有两种：基于RTK地面站（或网络RTK）的精准降落技术，通过RTK基站给无人机机场发送自身在大地坐标系下的精确位置。基于图像识别技术，使用无人机机载图像识别设备识别地面目标降落点，获得目标降落点与无人机的相对位置。这里我们主要介绍的是无人机的图像识别视觉精准降落技术。无人机视觉精准降落技术是基于图像识别技术实现的新技术，在无人机降落点设置一个强对比性的参照物（例二维码），该参照物要有多重层次花纹（单一颜色无人机无法找到降落位置），图案不能对称(对称就无法辨别方向)，二维码的优势就在于此,它可以包含多种信息在一起并且是具有强烈的对比性参照物。
图像识别技术是利用计算机代替人类去处理大量的物理信息。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。用摄像机代替人眼才采集信息（你人眼所获得到的信息，图像定位都能获得）。
信息的获取是指通过传感器，将光或者声音等信息转化为电信息。也即是获取研究对象的基本信息并通过某种方法将其转变为机器能够识别的信息。预处理主要是指图像处理中的去噪、平滑、变换等的操作，从而加强图像的重要特征。
特征抽取和选择是指在模式识别中，需要进行特征的抽取和选择。简单的理解就是所研究的图像是各式各样的，如果要利用某种方法将它们区分开，就要通过这些图像所具有的本身特征来识别，而获得这些特征的过程可是特征抽取。在特征抽取中所得的特征也许对此次识别并不都是有用的，这个时候就要提取有用的特征，这就是特征的选择。特征抽取和选择在图像识别的过程中的非常关键的技术之一，所以对这一步的理解是图像识别的重点。
分类器设计是指通过训练而得到的一种识别规则，通过此识别规则可以得到一种特征分类，使图像识别技术能够得到高识别率。分类决策是指在特征空间中对被识别对象进行分类，从而更好地识别所研究的对象具体属于哪一类。
精准降落的完整流程就是：无人机起飞时通过摄像头（视觉传感器）获取到当前场地地面的目标图案，然后无人机执行巡检任务按照GPS定点巡检，任务完成后先回到无人机起飞位置的GDP大致位置，再通过摄像头识别场地中的二维码，通过采集此时的二维码（标志）与起飞时的标志对比计算获得无人机和标志的相对位置关系，将这相对位置坐标传入飞控系统后，飞控将控制无人机完成自主的精准降落，降落精度可达厘米级。这项技术一定程度解决了无人机的精准降落问题，给无人机自动化飞行降落提供了低成本方案，应该说视觉降落技术具有广阔的市场前景。