面向高精度无人机着陆的高频跨模态视觉定位服务
机器人学
2025-10-02 v1
摘要
经过多年的增长，基于无人机的物流配送正在改变物流行业。其核心是实时 6 自由度无人机姿态跟踪，以实现精确的飞行控制和准确的无人机着陆。随着城市 3D 地图的广泛可用，视觉定位服务 (VPS) 作为一种移动姿态估计系统，已被适应用于增强无人机着陆阶段的姿态跟踪，因为常规系统如 GPS 在城市环境中因信号衰减和多路径扩散而不可靠。然而，将当前 VPS 部署到无人机上存在估计精度和效率的局限。本文重新设计了面向无人机的 VPS 系统，引入事件相机，提出 EV-Pose 以实现准确、高频率的 6 自由度姿态跟踪，以实现准确的无人机着陆。EV-Pose 引入一种基于时空特征指示的姿态估计模块，从而提取时间距离场以实现 3D 点地图匹配进行姿态估计；以及一种基于运动感知的层次化融合与优化方案，通过利用事件过滤的「早期阶段」和姿态优化的「后期阶段」来增强上述估计的精度和效率。评估显示，EV-Pose 在跟踪延迟为 10.08ms 时实现了 1.34° 的旋转精度和 6.9mm 的平移精度，超过基线方法的 >50%，从而实现准确的无人机着陆。演示：https://ev-pose.github.io/
引用
@article{arxiv.2510.00646,
title = {Enabling High-Frequency Cross-Modality Visual Positioning Service for Accurate Drone Landing},
author = {Haoyang Wang and Xinyu Luo and Wenhua Ding and Jingao Xu and Xuecheng Chen and Ruiyang Duan and Jialong Chen and Haitao Zhang and Yunhao Liu and Xinlei Chen},
journal= {arXiv preprint arXiv:2510.00646},
year = {2025}
}
备注
15 pages, 23 figures