基于多源城市数据的低空空中交通位置先验生成
计算机视觉与模式识别
2026-05-26 v1
摘要
建筑高度作为城市空间数据的第三维数据，在全球地理空间数据库中超过 95% 的结构数据缺失。对于新兴的低空经济，这一数据缺口迫使每架航空平台依赖实时 onboard 感知而非预计算的 3D 场景几何。我们提出位置先验生成框架 (LPGF)，是一个多源数据融合管道，将 Sentinel-2 影像、无人机遥测、车辆 GPS 轨迹和 OpenStreetMap 轮廓整合为结构化、可复用的城市位置先验。LPGF 通过三级优先级层次为建筑分配高度：(1) 明确的 OSM 高度标签可用时优先采用；(2) 记录有楼层数时，按每层 3.2 米计算高度；(3) 否则采用建筑类型默认高度，最大误差约为 5.5 米。可选的基于阴影的高度估计模块 (SHEM) 仅在满足四项准则的质量门控时激活；若任一准则失败，管道将路由到结构化后备方案。在 MiTra A50 米兰数据集上，质量门控正确识别了两种成像失效模式：10 米 GSD 下亚像素阴影和 0.93 米 GSD 下地面阴影合并，两种情况下均产生一致的 27 栋建筑先验。类型默认高度（n=15）在 5.0 米不确定范围内验证，通过手动楼层计数实现 MAE=3.07 米。该框架表明，结构化、质量门控的数据流融合可为低空城市作业启动 3D 场景覆盖。
引用
@article{arxiv.2605.25530,
title = {Location Prior Generation via Multi-Source Urban Data Fusion for Low-Altitude Air Mobility},
author = {Xiang Xie and Xiaonan Liu},
journal= {arXiv preprint arXiv:2605.25530},
year = {2026}
}
备注
11 pages, 7 figures, submitted to IEEE Journal of Internet of Things