广域灾害中 sUAS 影像的非均匀空间配准误差
计算机视觉与模式识别
2025-06-23 v2
摘要
这项工作首次对小型无人驾驶航空系统（sUAS）地理校正影像与先验建筑多边形之间的配准误差进行了定量研究，发现配准误差是非均匀且不规则的，这对依赖地理空间信息的野外机器人系统和人与机器人界面产生了负面影响。目前尚无研究考虑先验空间数据与sUAS地理校正影像的配准问题，这可能是因为简单的线性变换通常能纠正卫星影像中的任何错位。然而，在尝试利用CRASAR-U-DROIDs数据集为九次广域灾害的sUAS野外机器人系统开发机器学习模型时，发现了严重的平移配准误差。该分析考虑了51张正射镶嵌影像中的21,608个建筑多边形，覆盖面积达16,787.2英亩（26.23平方英里），以及7,880个调整标注，平均误差为75.36像素，平均交并比为0.65。进一步分析发现，建筑多边形配准的角度和距离度量之间没有一致性，平均圆方差为0.28，平均距离方差为0.45像素平方，这使得用于配准卫星影像的线性变换方法无法使用。本研究的主要贡献是提醒野外机器人和人机交互（HRI）社区注意空间配准问题，并指出需要一种新方法来自动化和传达sUAS地理校正影像中空间数据的配准。本文还贡献了对更新后的CRASAR-U-DROIDs sUAS影像数据集的描述，该数据集包含建筑多边形和人工校正的空间错位信息，以供野外机器人和HRI领域进一步研究。
引用
@article{arxiv.2405.06593,
title = {Non-Uniform Spatial Alignment Errors in sUAS Imagery From Wide-Area Disasters},
author = {Thomas Manzini and Priyankari Perali and Raisa Karnik and Mihir Godbole and Hasnat Abdullah and Robin Murphy},
journal= {arXiv preprint arXiv:2405.06593},
year = {2025}
}
备注
6 pages, 4 figures