面向GNSS受限环境下记忆效率为4自由度UAV定位的语义加权自适应粒子滤波器
计算机视觉与模式识别
2025-09-23 v2
摘要
视觉基准无人机（UAV）定位系统在全球导航卫星系统（GNSS）受限环境中受到广泛关注。然而，现有的检索式方法在数据集可用性方面存在局限，同时面临实时性能次优、环境敏感性和泛化能力有限等持续挑战，尤其是在动态或时变环境中。为克服这些限制，我们构建了一个大规模多高度飞行段数据集（MAFS），并提出一种新型语义加权自适应粒子滤波器（SWA-PF）。该方法通过两种关键创新将来自UAV拍摄图像和卫星图像的鲁棒语义特征整合在一起：语义加权机制和优化的粒子滤波架构。在我们的数据集上评估后，所提出的方法相对于特征提取方法实现了10倍的计算效率提升，保持定位误差低于10米，并能在数秒内使用可获得的低分辨率卫星地图实现快速的4自由度（4-DoF）姿态估计。代码和数据集将在https://github.com/YuanJiayuuu/SWA-PF上提供。
引用
@article{arxiv.2509.13795,
title = {SWA-PF: Semantic-Weighted Adaptive Particle Filter for Memory-Efficient 4-DoF UAV Localization in GNSS-Denied Environments},
author = {Jiayu Yuan and Ming Dai and Enhui Zheng and Chao Su and Nanxing Chen and Qiming Hu and Shibo Zhu and Yibin Cao},
journal= {arXiv preprint arXiv:2509.13795},
year = {2025}
}