一种基于 GIS 辅助与深度学习的无人机系统地理定位方法
计算机视觉与模式识别
2022-08-26 v1 图像与视频处理
摘要
全球定位系统（GPS）已成为我们日常生活的一部分，其主要目标是提供地理定位服务。对于无人机系统（UAS）而言，地理定位能力是极其重要的必要条件，其通过以 GPS 为核心的惯性导航系统（INS）实现。若无地理定位服务，UAS 无法飞抵目的地或返航。遗憾的是，GPS 信号可能被干扰，并在城市峡谷中遭受多径问题。我们的目标是在 GPS 信号退化或拒止时提出一种替代方法来对 UAS 进行地理定位。考虑到 UAS 平台载有下视相机，可在飞行时获取实时图像，我们应用现代深度学习技术实现地理定位。具体而言，我们执行图像匹配以建立 UAS 获取影像与卫星正射影像之间的潜在特征共轭。典型的特性匹配应用受现场高层建筑和新建筑物影响，给单应性估计引入不确定性，从而导致较差的地理定位性能。相反，我们从 OpenStreetMap（OSM）提取 GIS 信息，将匹配特征语义分割为建筑与地形类别。GIS 掩码作为滤波器，筛选语义匹配特征以增强共面性条件并提高 UAS 地理定位精度。论文一经发表，我们的代码将公开于 https://github.com/OSUPCVLab/UbihereDrone2021。
引用
@article{arxiv.2208.12251,
title = {A Gis Aided Approach for Geolocalizing an Unmanned Aerial System Using Deep Learning},
author = {Jianli Wei and Deniz Karakay and Alper Yilmaz},
journal= {arXiv preprint arXiv:2208.12251},
year = {2022}
}
备注
Paper published at SENSORS 2022 Conference