《International Journal of Digital Earth》：Real-time positioning for ground moving targets based on monocular camera
编辑推荐：
为解决消费级单目UAV在移动目标实时定位中面临的深度信息缺失、低成本IMU航向角(yaw)误差大、计算资源有限等难题，研究人员开展了主题为“基于单目相机的地面移动目标实时定位”的研究。他们创新性地提出了结合航向误差预校正的实时BA（Bundle Adjustment）与局部地表精细化策略，实现了0.068-0.123 m的3D定位精度，在保持实时性（11.9 FPS）的同时相比传统POS辅助BA将总RMSE降低了8.7%。该方法不依赖外部地形数据（如DSM/DEM）或计算密集的深度学习模型，为轻量级单目UAV平台提供了高效、高精度的实时定位解决方案，具有重要应用意义。
在无人机（UAV）技术飞速发展的今天，利用“空中之眼”对地面上的移动目标——比如行驶的车辆、救援现场的人员、森林中的巡逻员——进行快速、精准的实时定位，已成为安防监控、应急救援、森林巡护和智能交通等领域的核心技术需求。其中，仅搭载一个摄像头的消费级单目UAV因其成本低廉、部署灵活而备受欢迎。然而，梦想很丰满，现实却很“骨感”。用一只“眼睛”（单目相机）去判断一个移动物体的精确三维位置，面临着“先天不足”的三大挑战：第一，没有立体视觉，无法直接获取目标的深度信息；第二，自带的惯性测量单元（IMU）精度有限，特别是航向角（yaw）误差很大，导致无人机自身的姿态都说不准；第三，无人机平台计算能力弱，难以运行复杂的算法。现有的解决方案也各有各的“烦恼”：依赖外部高精度数字表面模型（DSM）的方法，离开了预先测绘好的地图就“失灵”；基于多视几何的方法往往需要双机协同，系统复杂；而基于深度学习的方法又对计算资源和训练数据胃口极大，在轻量级无人机上“跑不动”。那么，有没有一种方法，能让普通的单目无人机，在不依赖额外传感器、不预先测绘地形、不算力“爆炸”的情况下，也能稳定、精准地实时盯住地面移动目标呢？这正是发表于《International Journal of Digital Earth》的这项研究试图回答的核心问题。
为了攻克上述难题，研究人员构建了一个完整的、在无人机与地面工作站之间运行的实时处理流水线。整个框架主要包含三个核心技术模块：（1）移动目标检测与跟踪：采用基于显著性的方法（布尔图显著性BMS与Saliency-Cut）进行目标检测，并使用判别性尺度空间跟踪（DSST）算法进行目标跟踪。（2）基于航向误差预校正的实时光束法平差：这是研究的核心创新之一。针对低成本IMU的航向角误差，研究首先提出了一种基于立体几何的航向误差预校正策略。该方法利用连续图像对之间的相对定向（RO）结果，在水平面上比较由RO和IMU分别估计出的航向角，计算出稳健的航向误差并进行校正。随后，将校正后的姿态作为约束，引入到一个滑动窗口束调整（BA）模型中。该BA模型通过联合最小化图像重投影误差、位置偏差和方向误差，在单条带飞行（缺乏旁向重叠）的弱几何条件下，显著提高了外部定向（EO）参数估计的可靠性和收敛速度。（3）基于局部地表细化的实时目标定位：这是另一项核心创新。为了不依赖先验DSM而获得目标所在地表的精确几何，研究提出了局部地表精细化策略。首先，为避免目标自身像素干扰，设计了环形特征隔离矩阵（AFIM）来提取目标周围的背景特征点。然后，基于这些特征点构建一个局部网格，并用一个平面方程（Z = ax + by + D）来初始表示局部地表。最关键的一步是“精细化”：通过将初始地表反投影到多幅选定的参考图像上，并强制实施多视光度一致性（利用归一化相关系数NCC衡量），通过优化平面参数（a, b, D），使地表模型不断逼近真实地形。最终，目标的3D坐标通过其成像光线与精细化后的局部地表相交得到。
研究团队通过一系列严谨的实验验证了所提方法的有效性与优越性，主要结果如下：
- •
光束法平差评估：通过在布设了18个检查点（CP）的区域进行控制实验，对比了传统POS辅助BA与本方法。结果显示，在四条独立的单条带航线上，本方法将总均方根误差（RMSE）从传统方法的0.133-0.162米降低到0.123-0.149米，平均降低8.7%，证明了航向误差预校正能显著提升在弱几何条件下的BA鲁棒性和精度。
- •
移动目标定位精度评估：在真实动态场景中，使用搭载厘米级实时动态（RTK）设备的车辆作为移动目标进行测试。在8组不同场景和飞行条件下的实验中，定位精度（总RMSE）在0.068米到0.123米之间，其中水平方向（XY）精度（RMSE 0.037-0.066米）普遍优于高程方向（Z， RMSE 0.056-0.092米），展现了厘米级的定位能力。
- •
目标运动轨迹分析：对四个完整运动轨迹（包括曲线和直线运动）的再现结果表明，本方法重建的轨迹与地面RTK真值高度吻合，平面轨迹几乎完全重叠，没有明显的漂移或累积误差。四个轨迹的总体3D RMSE在0.067米到0.103米之间，证明了方法在连续帧定位中的稳定性和可靠性。
- •
消融实验：通过系统性地移除框架中的关键模块（如航向预校正、局部地表细化、针对UAV图像的跟踪增强），验证了每个组件的贡献。完整框架（P1）实现了最佳精度（平均总RMSE 0.088米）和平衡的实时性能（11.9 FPS）。移除任一模块都会导致精度显著下降（总RMSE增加10.3%到59.8%），证实了各模块的必要性和互补性。
- •
与现有方法对比：与基于先验DSM的射线相交法以及基于深度学习（ZoeDepth）的单帧深度估计法进行了对比。本方法在不需要任何先验地形数据或预训练模型的情况下，取得了最高的定位精度（总RMSE 0.088米），并保持了远高于深度学习方法的处理速度（11.9 FPS vs 2.27 FPS），凸显了其在精度、效率和实用性方面的综合优势。
- •
计算效率分析：在配备NVIDIA RTX 4060 GPU的地面工作站上，平均每帧处理时间约为84.0毫秒（约11.9 FPS）。其中，实时BA耗时最多（约33.5毫秒，占40%），其次是局部地表细化（30.4毫秒）。结合实际部署中的网络延迟，系统能够满足灾后救援、交通监控等实时性要求较高的应用场景需求。
综上所述，这项研究成功提出并验证了一种适用于消费级单目UAV的地面移动目标实时高精度定位框架。其核心结论在于，通过航向误差预校正机制有效补偿了低成本IMU的系统性偏差，显著增强了单条带条件下位姿估计的稳定性；通过局部地表精细化策略，在不依赖外部地形数据的前提下，实现了对目标周围地形的准确建模，从而大幅提升了三维定位的可靠性。实验表明，该框架能在保持实时处理能力（11.9 FPS）的同时，达到0.1米量级（0.068-0.123米）的定位精度，相比传统方法有显著提升。
该研究的成功，为轻量级、低成本的单目UAV平台实现可靠的高精度实时定位提供了切实可行的技术路径。它巧妙地绕过了对高精度外部地图、多机协同或强大算力的依赖，使得在资源受限条件下进行精准监控、搜索救援等应用成为可能。在讨论部分，作者也客观指出了方法的适用范围和局限性，例如假设目标位于地面、在极端崎岖地形下局部平面近似的误差会增大、以及需要目标持续可见等，为后续研究指明了改进方向。未来，通过开发更自适应性的局部地表模型（以应对非平面环境）以及进一步轻量化算法以实现机载计算，这项技术有望展现出更强大的灵活性与应用潜力。
