重新审视无人机距离估计中的立体三角测量
计算机视觉与模式识别
2024-10-28 v2
摘要
距离估计在集群无人机的路径规划与避障中起着重要作用。然而，标注数据的缺乏严重阻碍了相关研究。本工作中，我们构建并提出了用于无人机距离估计的 UAVDE 数据集，其中两架无人机间的距离由 UWB 传感器获取。实验过程中，我们惊讶地观察到立体三角测量无法适用于无人机场景。其核心原因在于由长拍摄距离与相机振动引起的位置偏差问题，这在无人机场景中十分常见。为解决该问题，我们提出了一种新颖的位置校正模块（PCM），可直接预测观测位置与实际位置之间的偏移，并在立体三角测量计算中进行补偿。此外，为进一步提升在困难样本上的性能，我们提出了动态迭代校正机制，其由多个堆叠的 PCM 与一个门控机制组成，可根据数据样本的难度自适应决定是否需进一步校正。我们在 UAVDE 上进行了大量实验，所提方法相较强基线取得了显著性能提升（相对差异由 49.4% 降至 9.8%），证明了其有效性与优越性。代码与数据集见 https://github.com/duanyuan13/PCM。
引用
@article{arxiv.2306.08939,
title = {Revisiting Stereo Triangulation in UAV Distance Estimation},
author = {Jiafan Zhuang and Duan Yuan and Rihong Yan and Weixin Huang and Wenji Li and Zhun Fan},
journal= {arXiv preprint arXiv:2306.08939},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication