《Sensors》：Improved Fusion of Optical Flow and Dead Reckoning for UAV Navigation Using Digital Terrain Models and Data-Driven Velocity Correction
编辑推荐：
在无GPS（GPS-denied）环境中，准确的无人机（UAV）速度估计仍是自主无人机导航面临的核心挑战。研究人员之前的研究表明，将光流（OF）与航位推算（DR）融合，相比于纯惯性导航方案，能显著减少位置漂移。然而，由稠密光流得出的速度估计受到两种系统性效应的
在无GPS（GPS-denied）环境中，准确的无人机（UAV）速度估计仍是自主无人机导航面临的核心挑战。研究人员之前的研究表明，将光流（OF）与航位推算（DR）融合，相比于纯惯性导航方案，能显著减少位置漂移。然而，由稠密光流得出的速度估计受到两种系统性效应的影响而退化：(1) 当相机覆盖区域包含异质地形类型时的错误度量尺度缩放——特别是在森林与农田过渡带，可见表面高程与裸地高程存在显著差异；以及 (2) 由场景纹理和结构特性引入的光流幅值偏差。本文提出了针对光流辅助无人机导航软件处理流程的三项改进。首先，单点离地高度（AGL）估计被替换为在配准的数字地形模型（DTM）和数字表面模型（DSM）栅格上进行相机覆盖区域面积均值采样，并在OF度量缩放中始终采用表面模型。其次，带有新息门限的一维卡尔曼滤波器抑制了由地形突变引起的速度尖峰。第三，紧凑的数据驱动校正模块利用选定的光流、纹理和地形描述符，估计出与校准和离线评估期间可用的GPS导出参考速度对齐的乘性速度校正因子，但在无GPS运行期间不需要此参考速度。在三次真实PX4日志记录的飞行任务（Log 258用于校准，Log 259–260用于独立评估）上进行的实验总计7.3分钟，显示出地形依赖行为。在混合森林-农田验证飞行（Log 260）中，与研究人员前期工作的基线相比，改进的处理流程将速度平均绝对误差（MAE）降低了71%（1.04 m/s → 0.30 m/s），将航位推算位置MAE降低了88%（59.8 m → 7.1 m）。在平坦开阔地形的验证飞行（Log 259）中，地形感知修改对不敏感地形的基线基本保持不变，为所提出的基于DSM的缩放机制提供了对照案例。
自主无人机在无全球定位系统（GPS）环境中运行需依赖替代导航策略以维持位置感知。航位推算（DR，Dead Reckoning，通过连续积分速度和航向角提供连续导航方案）会因传感器噪声和漂移随时间累积误差。光流（OF，Optical Flow，相邻相机帧间图像特征的视运动）提供不随时间积分的互补速度测量，不产生长期漂移。研究人员前期的基线工作将下视相机计算的稠密Farneb?ck光流与DR融合以抑制位置误差。然而后续分析揭示了两种系统性局限：一是地形异质性，低空混合地形飞行常跨越森林-农田边界，相机追踪的是林冠表面而非裸地，若用数字地形模型（DTM，Digital Terrain Model）计算离地高度（AGL，Above-Ground Level），会导致像素尺度低估真实相机高度，在50 m AGL下若林冠高15 m可致速度估计偏高40%；二是光流幅值偏差，光流对场景纹理等敏感，平滑纹理比高频纹理产生更低的光流幅值，引入几何模型无法校正的偏移。针对上述问题，为提升无GPS环境下的UAV导航精度，研究人员开展了相关研究。
研究人员提出了针对光流辅助导航软件处理流程的三项改进：用配准DTM和数字表面模型（DSM，Digital Surface Model）栅格的相机覆盖区面积均值采样替代单点AGL估计并采用DSM进行度量缩放；使用带新息门限的一维卡尔曼滤波器抑制速度尖峰；以及利用光流、纹理和地形描述符通过紧凑数据驱动模块估计乘性速度校正因子。在三次总计7.3分钟的PX4真实飞行任务中验证，混合森林-农田飞行中将速度平均绝对误差（MAE，Mean Absolute Error）降低71%，位置MAE降低88%。该研究证明了基于地形感知的DSM缩放校正对植被环境具有主导改善作用，对无人机在复杂地形下导航具有重要意义。论文发表在《Sensors》期刊。
研究人员采用了以下关键技术方法：一是基于针孔相机尺度关系原理，结合相机几何与高度计算相机地面覆盖区，并在配准的DTM和DSM栅格上进行5×5规则网格面积均值采样获取地形高度用于AGL计算和OF度量缩放；二是采用Farneb?ck稠密光流法计算相邻帧间的光流场，提取像素幅值百分位数和方向相干性等特征；三是使用带新息饱和函数门限的一维卡尔曼滤波器对速度估计进行因果滤波，抑制地形突变引起的脉冲残差；四是构建了一个全连接多层感知机回归器，输入包含光流幅值百分位数、方向相干性、图像纹理统计和地形高度描述符的10维特征向量，通过Adam优化器训练以估计有界乘性速度校正因子。实验数据来源为波兰华沙附近混合农业-森林区域的三次Yuneec H520无人机飞行日志。
研究结果：
5.1. 实验设置。通过在波兰华沙附近的混合农业-森林区域使用搭载下视相机的无人机记录的三次飞行日志进行实验，Log 258用于校准，Log 259和Log 260用于独立验证。
5.2. 与基线系统比较。改进处理流程与基线系统相比，在包含大量森林覆盖的Log 260中改善显著；而在平坦地形Log 259中，由于DTM和DSM栅格几乎相同，未提供实质性几何校正，证实基于DSM的缩放机制不会人为改善所有飞行。
5.3. 速度误差的统计处理。对帧级绝对速度误差应用配对非参数符号检验，结果表明改进处理流程在相同帧上产生更小的绝对误差，提供了内部一致性支持证据。
5.4. 组件级解释。Log 260中DSM与DTM最大高差达16.65 m，在约50 m AGL下使用DTM会引入约三分之一像素尺度误差，基于DSM的AGL消除此误差；Log 259高差可忽略不计故无改善，表明该方法主要校正表面高度引起的尺度误差。
5.5. 数据驱动校正性能。校正模块在Log 258内部留出划分中达到MAE 0.024及决定系数（R
2）0.83；Log 259平坦地形无高差故误差基本不变，Log 260的改善主要归因于DSM几何缩放和滤波，学习模块提供额外场景依赖精细化。
5.6. 方向相干性分析。飞行任务中方向相干性C值较高（>0.846），证实主导图像运动为平移，验证了单一幅值速度代理的有效性；Log 260中林冠视差引入非平移光流分量导致森林段C值略低。
5.7. 校正因子分布。多数帧校正因子接近1；左尾主要见于Log 260森林段，光流高估表面相对高度；右尾对应平滑农田，纹理偏低致光流幅值系统性低估。
5.8. 速度跟踪。在Log 260中，基线系统在森林过渡带有高达6.1 m/s速度尖峰，卡尔曼新息门限限制了这些残差，最终处理流程速度均方根误差（RMSE，Root Mean Square Error）降至0.45 m/s，降低76%。
5.9. 航位推算位置误差。Log 260中基线DR位置误差达116.7 m，改进流程降至17.1 m；森林过渡带速度尖峰在基线中注入大位移误差，新息门限完全阻止了此注入，使DR轨迹全程保持在GPS的17 m范围内。
5.10. 计算成本。在处理分辨率360 px下，每帧处理时间均值评估显示，三项改进组件的总计算开销低于3 ms，与Farneb?ck计算相比可忽略不计。
总结讨论部分与翻译研究结论部分。讨论部分总结表明，结果证实混合地形飞行中OF速度误差的主要来源是由于相机观测林冠表面而非裸地引起的错误度量缩放。使用DSM而非DTM计算AGL是关键设计，因为相机始终追踪最高可见表面。森林过渡带的尖峰被卡尔曼门限抑制，数据驱动模块作为有界纹理依赖的精细化补偿。研究结论表明，本文针对无GPS环境下的UAV导航光流速度估计流程提出了三项改进。配准DTM/DSM栅格的相机覆盖区面积均值采样消除了森林地形上的主导尺度偏差。带新息门限的卡尔曼滤波器抑制了边界过渡尖峰。基于每帧光流、纹理和地形描述符的轻量级数据驱动校正阶段捕获了残余的场景依赖偏差。在三次真实PX4飞行日志上的验证表现出地形依赖行为。在开阔地形中，独立验证日志Log 259保持基本不变，符合DTM和DSM高程几乎相同的预期。在混合森林-农田验证飞行（Log 260，最大植被高度16.65 m）中，速度MAE从1.04 m/s降至0.30 m/s（-71%），位置MAE从59.8 m降至7.1 m（-88%）。结果证实，地形感知的基于DSM的AGL校正是植被环境中的主要贡献者，而更广泛的鲁棒性必须在更大的多站点数据集上进行验证。所有三项增加都带来了除Farneb?ck计算之外可忽略的计算开销（在360 px下合计<3 ms），表明该方法与实际后处理工作流兼容，并可在进一步的工程优化后适应实时实现。
