LSVL：面向无人机的大规模季节不变视觉定位
机器人学
2025-01-09 v1
摘要
自主无人机（UAVs）的定位高度依赖全球导航卫星系统（GNSS），其易受干扰。尤其在安全应用中，需要独立于 GNSS 的稳健定位算法，以在受干扰条件下也为自主无人机提供可靠运行。典型的非 GNSS 视觉定位方法依赖已知初始位姿、仅适用于小尺寸地图，或需在任务开始前已知飞行路径。我们考虑无初始位姿与计划飞行路径信息的定位问题。我们提出一种基于将正交投影的无人机图像与卫星影像利用学习的季节不变描述子进行匹配，在高达 100 km2 规模地图上实现全局视觉定位的方案。我们表明，该方法能够从无信息的初始化起，在 23.2–44.4 次更新内确定无人机的航向、纬度与经度，横向平移误差为 12.6–18.7 m，即便在无人机图像与地图间存在显著季节外观差异（冬—夏）的情况下亦如此。我们评估了多种用于生成描述子的神经网络架构特性，以及能够提供快速收敛与低定位误差的似然估计方法。我们还利用真实无人机数据评估算法运行表现，并在实时嵌入式平台上评测运行时间。我们相信这是首项能在此规模与收敛速率下恢复无人机位姿，且允许相机观测与地图间存在显著季节差异的工作。
引用
@article{arxiv.2212.03581,
title = {LSVL: Large-scale season-invariant visual localization for UAVs},
author = {Jouko Kinnari and Riccardo Renzulli and Francesco Verdoja and Ville Kyrki},
journal= {arXiv preprint arXiv:2212.03581},
year = {2025}
}