基于立体视觉和深度学习的无 GPS 战场环境地标定位
计算机视觉与模式识别
2024-02-21 v1 人工智能
摘要
战场环境中的定位日益具有挑战性，因为 GPS 连接经常被拒绝或不可靠，而在敌对的战场地形中跨无线网络部署用于定位的锚节点在物理上可能很困难。现有的无范围定位方法依赖于基于无线电的锚点及其平均跳数距离，这在动态和稀疏的无线网络拓扑中 suffers 准确性和稳定性问题。像 SLAM 和视觉里程计这样基于视觉的方法使用昂贵的传感器融合技术进行地图生成和姿态估计。本文提出了一种新颖的框架，仅使用被动相机传感器并将自然存在或人工地标视为锚点，用于非 GPS 战场环境中的定位。所提出的方法利用定制校准的立体视觉相机进行距离估计，并使用 YOLOv8s 模型（该模型已使用我们的现实世界数据集进行训练和微调）进行地标识别。使用高效的立体匹配算法生成深度图像，并通过利用地标识别模型预测的边界框提取地标深度特征来确定到地标的距离。然后使用高效的最小二乘算法获得未知节点的位置，并使用 L-BFGS-B（用于有界约束优化的有限内存拟牛顿代码）方法进行优化。实验结果表明，我们提出的框架在定位误差（RMSE）方面优于现有的基于锚点的 DV-Hop 算法，并与最高效的基于视觉的算法具有竞争力。
引用
@article{arxiv.2402.12551,
title = {Landmark-based Localization using Stereo Vision and Deep Learning in GPS-Denied Battlefield Environment},
author = {Ganesh Sapkota and Sanjay Madria},
journal= {arXiv preprint arXiv:2402.12551},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2402.12320