《Electronics》：Mesh-Map-Assisted Monocular 3D Localization for UAVs: A Multi-Scale Approach
编辑推荐：
无人机（UAV）在军事、民用和农业领域中的应用日益广泛，因此需要准确且高效的三维（3D）目标定位。传统的二维（2D）检测器缺乏深度感知，而立体视觉和激光雷达（LiDAR）分别存在与距离相关和硬件限制的问题。为解决上述问题，研究人员提出了一种基于预构建、地理配准
无人机（UAV）在军事、民用和农业领域中的应用日益广泛，因此需要准确且高效的三维（3D）目标定位。传统的二维（2D）检测器缺乏深度感知，而立体视觉和激光雷达（LiDAR）分别存在与距离相关和硬件限制的问题。为解决上述问题，研究人员提出了一种基于预构建、地理配准三角网格的单目三维定位框架。二维网格对网格进行索引，一种渐进式多尺度策略加载高分辨率分块以进行射线–网格求交。最近的求交点仅用于那些由地图表面支撑或可投影到地图表面上的目标。Unity实验得到的定位均方根误差（RMSE）为0.0193–0.9229 m；真实无人机野外日志给出的合并静态航迹重复性RMSE为0.0849 m。重复计时测量给出的全分辨率和渐进式搜索的平均每次查询时间分别为5.08 ms和1.03 ms。
论文解读：基于网格地图辅助的单目三维定位方法
在无人机（UAV）技术快速发展的背景下，其应用领域已从军事扩展到民用和农业，如精准农业、环境监测和灾害响应等。这些任务要求无人机必须具备准确且高效的三维（3D）目标定位能力，以支持自主导航和场景理解。然而，传统的二维（2D）检测器只能提供图像平面坐标，缺乏深度信息；立体视觉方法依赖相机间的视差，在无人机高空飞行时，由于基线固定、视差极小，深度精度显著下降；LiDAR传感器虽然能提供精确的距离测量，但受限于采样密度、视场角、恶劣天气下的性能退化以及高成本、大重量等硬件约束。学习型单目深度估计方法虽然可以从单幅图像推断深度，但常常存在尺度偏差、泛化能力不足以及计算开销大等问题，且没有充分利用已有的地理空间先验。为了克服上述局限性，研究人员提出了一种利用预构建、地理配准三角网格作为外部空间参考的单目三维定位框架。该研究成果发表在《Electronics》上，为无人机在复杂环境下实现实时高精度目标定位提供了一种新的解决方案。
研究人员开展的核心研究是：利用二维网格对预构建的三角网格地图进行空间索引，通过将目标像素投影为世界坐标系下的射线，再与网格地图进行射线–网格求交，从而直接获得目标的深度和三维位置。为了避免直接处理大规模网格带来的内存和计算负担，他们引入了一种渐进式多尺度定位策略。该策略首先在低分辨率简化网格上进行粗定位，然后根据粗定位结果动态加载对应的高分辨率网格分块，并在该分块上进行精化定位。几何支撑条件被明确限定：最近求交点仅当目标由映射表面支撑或可投影到该表面时才有效。这一设计避免了立体视觉中逆视差误差随距离急剧增大的问题，同时保持了实时性。
关于作者为开展研究所使用的主要关键技术方法，可概括为以下几点：第一，基于四元组误差度量（QEM）的网格简化算法，用于构建多尺度网格层次；第二，二维重叠网格分块策略，通过0.1的重叠率消除分块间隙；第三，渐进式定位流程，先在低分辨率网格上估计目标粗略位置，再在对应高分辨率分块上精确求交；第四，射线–三角形求交采用重心坐标测试，选择距离相机光心最近的交点作为目标位置；第五，误差传播模型，用于分解深度、位姿、标定和地图配准误差对定位精度的影响。实验数据来自Unity仿真环境和真实无人机野外日志（记录于2024年7月5日，编号20240705_16h44m43s.log）。
在结果部分，研究人员设置了多个实验来评估方法性能。以下按小标题逐一阐述：
**4.1 基于网格地图的高精度三维定位评估**
通过Unity仿真，在四种条件（绝对平面环境、内参扰动、地图变化、检测扰动）下，将提出的方法与立体视觉和LiDAR方法进行对比。结果表明，在绝对平面条件下，立体视觉方法对单像素对应扰动敏感，定位RMSE较大；在内参扰动条件下，立体视觉因需要标定两个相机而受影响更大；在地图变化实验中，LiDAR方法因模拟的首个回波关联而产生高误差；在检测扰动条件下，立体视觉的两个相机均受到影响。所提方法在所有条件下均获得了较低的RMSE（0.0193–0.9229 m）。此外，在包含地形起伏的数据上进行深度估计误差评估，与DepthFM和RADepth等单目深度估计方法对比，所提方法的RMSE为0.1507 m，优于这些对比方法。
**4.2 真实野外日志重复性评估**
使用真实无人机野外日志数据，提取了符合静态航迹条件的四条轨迹（共2017个位置），以每个航迹的均值位置为基准计算误差，得到的合并静态航迹重复性RMSE为0.0849 m。该结果反映了静态目标估计的时间重复性，而非绝对地理位置精度，绝对精度仍需RTK或全站仪参考目标来量化。
**4.3 多尺度地图评估**
在包含330,000个三角面的网格地图上构建多尺度表示，使用射线检测器以特定角范围发射大量射线进行定位。重复计时实验显示，全分辨率搜索的平均查询时间为5.08 ms，渐进式搜索的平均查询时间降至1.03 ms，相对减少了79.7%的耗时，平均偏差为12 cm（范围0–18 cm）。这表明渐进式多尺度策略在保持较高精度的同时，显著提升了计算效率。
最后，在讨论与结论部分，研究人员指出，所提框架避免了立体视觉的逆视差限制，但其精度依赖于目标像素选择、无人机位姿、相机–机体标定、地图配准以及目标必须由映射表面支撑或可投影到该表面这一假设。未来的工作将扩展到使用RTK或全站仪参考的野外目标进行绝对精度验证，并研究地图更新和动态场景的处理。总体而言，该论文提出的网格地图辅助单目三维定位方法通过将层次化地图匹配与射线–网格深度计算相结合，有效解决了单目三维定位中计算效率与度量精度之间的长期权衡问题，为轻量化无人机平台上的实时定位提供了一条几何一致且可靠的实现途径。
