什么值得买App下载 App ›
连续签到专享现金活动

国防科大推出无人机地理定位系统PiLoT:单目视觉实现无漂移精准定位

在复杂或GNSS(全球导航卫星系统)拒止环境中,如何让仅搭载单目相机的无人机实现精准、无漂移的自我与目标定位?国防科技大学虚拟现实与视觉计算团队联合浙江大学、西湖大学及杭州电子科技大学,推出了无人机实时地理定位系统「PiLoT」。该系统首次实现仅依靠单目RGB序列,即可在GNSS拒止环境下完成无人机6-DoF位姿及任意目标的实时、无漂移地理定位,相关研究成果已被CVPR 2026接收为Highlight论文。
01研究背景:摆脱GNSS与重型载荷的依赖
传统的无人机地理定位技术通常高度依赖GNSS信号进行自身定位,或挂载激光测距仪等重型主动载荷来反推目标坐标。这种架构在GNSS拒止环境下会失效,且受限于无人机载荷重量与功耗(SWaP)。PiLoT团队提出了一种新思路:若拥有已知的三维地图,无人机能否直接通过视觉传感器“看图认路”,从而摆脱对外部信号和重型硬件的依赖,实现真正的无漂移定位?
02核心方案:像素级3D配准
传统视觉里程计(VIO)通过比较前后帧计算相对位移,随飞行距离增加会产生累积漂移。PiLoT的核心创新在于将问题重构为“像素到3D的配准”。通过将每帧2D视频像素直接映射到带有绝对坐标的3D地理模型上,建立绝对锚点,从而切断误差的累加路径。只要将实时画面与三维世界精准对齐,相机的六自由度位姿及目标的真实地理坐标便能作为联合解得出。
03技术突破:跨越算力与域鸿沟
  • 渲染-定位双线程解耦
    摒弃低效的串行处理模式,构建高并发独立线程。渲染线程负责在后台动态生成带地理参考的合成视图,定位线程专注于特征空间的快速配准。这种架构在提升吞吐量的同时,确保了无漂移的连续定位。
  • 百万级合成数据集
    基于AirSim、Cesium和Unreal引擎构建全球尺度合成数据集,涵盖丰富气象、光照条件及绝对像素深度真值。利用严格的几何监督迫使网络学习底层三维几何结构,实现从合成到真实世界的零样本泛化。
  • 极致效能配准框架
    采用轻量化MobileOne-Unet架构,引入“一对多”配准模式及旋转感知采样机制。结合定制化CUDA算子加速LM优化迭代,在边缘端实现实时推理,有效应对剧烈运动与环境变化。
04实测表现:精度与速度的双重优势
测试指标PiLoT表现对比传统方法
实时推理速度25~30 FPS通常低于10 FPS(需定期校正)
长距离定位误差10km航程均值误差1.374米存在累积漂移,误差随距离增加
算法架构逐帧绝对配准混合定位(VIO+定期校正)

PiLoT在真实场景测试中的核心数据对比

在SynthCity-6、UAVScenes及UAVD4L-2yr三大基准测试中,PiLoT凭借28FPS的卓越实时性与米级定位精度,全面超越了包括Render2ORB、Render2RAFT及PixLoc在内的主流基准模型。此外,在动态目标定位测试中,基于精准的自定位结果,PiLoT通过射线投射解算出的目标轨迹与RTK真值高度贴合。
PiLoT系统的成功验证了“Data-Centric AI”在垂直领域的潜力,即利用高质量仿真合成数据结合几何约束,可赋予模型强大的泛化能力。团队未来计划进一步研究支持更轻量的通用地图表征(如DOM和DEM),以推动该技术在更广阔的荒野与城市场景中实现大规模落地。

评论

评论区空态插画

当前文章无评论,是时候发表评论了