无人机联合优化的全局-局部视觉定位
计算机视觉与模式识别
2023-10-13 v1
摘要
当全球导航卫星系统（GNSS）受到干扰且不可靠时，无人机的导航与定位面临挑战。传统技术如同步定位与建图（SLAM）和视觉里程计（VO）在提供绝对坐标与抑制误差累积方面存在一定局限。现有视觉定位方法通过与正射卫星影像匹配实现无误差累积的自主视觉定位，但复杂的匹配过程难以保证实时性。为应对这些挑战，我们提出一种新颖的全局-局部视觉定位（GLVL）网络。我们的 GLVL 网络是一种两阶段视觉定位方法，结合大尺度检索模块（寻找与无人机飞行场景相似的区域）与细粒度匹配模块（定位精确的无人机坐标），从而实现实时精准定位。训练过程以端到端方式联合优化以进一步增强模型能力。在涵盖纹理丰富与纹理稀疏区域的六个无人机飞行场景上的实验表明，我们的模型能够满足无人机实时精准定位需求。特别地，在纹理特征稀疏的村庄场景中，我们的方法在 0.48 秒内仅取得 2.39 米的定位误差。
引用
@article{arxiv.2310.08082,
title = {Jointly Optimized Global-Local Visual Localization of UAVs},
author = {Haoling Li and Jiuniu Wang and Zhiwei Wei and Wenjia Xu},
journal= {arXiv preprint arXiv:2310.08082},
year = {2023}
}