实时高程和方向感知的视觉定位技术，用于在GNSS信号被阻断的环境中实现无人机导航

《Drones》：Real-Time Elevation and Orientation-Aware Visual Localization for GNSS-Denied Drone Navigation

　　

摘要

全球导航卫星系统（GNSS）无法覆盖的环境对自主无人机的导航构成了重大挑战，这需要具备实时性能的强大视觉定位系统。现有的方法要么为了速度牺牲精度，要么无法适应不同的飞行高度和方向，从而限制了它们的实际应用。我们提出了实时高程和方向感知定位架构（REOLA），这是一种视觉定位系统，它结合了基于相似性的自主窗口大小调整、基于元素相关性的方向检测以及利用人类反馈的强化学习（RLHF）来处理公开可用的卫星图像。在桌面硬件（i7-10700K + RTX 3070）上，REOLA在多种飞行条件下实现了大约59帧每秒（FPS）的性能，并且定位精度低于5米，这得益于智能的基于相似性的匹配、高效的MobileNet-V3嵌入和FAISS相似性搜索。对于在NVIDIA Jetson Orin Nano上的嵌入式部署，该系统达到了22.5 FPS，满足了自主无人机定位的实时要求。该系统能够自动选择与当前高度相匹配的最佳窗口大小，并通过跨离散旋转角度的元素相关性评分来确定无人机的方向。通过RLHF的增强，REOLA的定位成功率达到了 97 percent percent 1 percent percent' data-semantic-summary ' percent' data-semantic-braille="?????????">97 period' data-semantic-summary ' period' data-semantic-braille="??">。 1 percent percent' data-semantic-summary ' 数字 percent' data-semantic-braille="????"> 1' data-semantic-summary ' 数字' data-semantic-braille="??">1 percent' data-semantic-summary ' percent' data-semantic-braille="??">% 该系统在桌面硬件上处理帧的时间为17毫秒（在嵌入式硬件上为44.4毫秒），远超实时要求。与传统基于关键点的方法相比，该方法在具有重复图案的挑战性环境中表现出明显优势，例如农田、岩石山脉、茂密森林和草原等环境，这些环境中传统的关键点检测方法效果不佳。我们明确将无特征的沙丘沙漠以及开阔海域或沿海水域的飞行情况排除在研究范围之外，因为这些区域的参考卫星图像中不包含稳定的地标。