来源：视觉语言导航

原文链接：https://mp\.weixin\.qq\.com/s/9kXzOiI8PZmPJ\-ms\-llsJg

✨ 导读：无人机高空作业常遭遇GPS信号失效，纯视觉里程计又会随时间持续漂移。本文提出NGPS视觉定位框架，将无人机下视影像与卫星图做深度特征匹配，搭配自适应多传感器融合，在60-150米高空实现2.94米定位精度，比纯单目VIO提升3.5倍，还能同步输出实时2.5D正射地图，整套方案可在嵌入式平台实时运行。

? 研究背景

精准定位是无人机自主执行测绘、巡检、搜救等任务的核心前提，但现实场景中存在大量GPS不可靠的场景：城市峡谷遮挡、信号干扰、对抗环境等，都可能让GNSS定位完全失效。

目前主流的替代方案是视觉惯性里程计（VIO），仅靠相机+IMU就能输出高频位姿，但它有个天生的短板——误差会随时间持续累积漂移，飞行距离越远、时间越长，偏差越大；而回环检测在大范围探索任务里很难生效，没法从根本上解决漂移问题。

针对高空飞行场景，无人机的下视视角和卫星影像高度相似，刚好可以用来做绝对定位的参考。但真正落地还需解决多个核心难题：卫星图与航拍图的分辨率差异、无人机姿态变化带来的视角偏移、场景外观随时间变化、嵌入式平台算力有限等。NGPS框架就是为了系统性解决这些问题而生的。

? 核心创新点

? 技术方案详解

整体系统架构

NGPS基于ROS2搭建，和ArduPilot飞控深度集成，采用「低频绝对校正+高频相对输出」的两级融合架构，三大核心模块各司其职：

这种架构既保证了全局定位无漂移，又能输出高频位姿满足飞控的实时性要求。

视觉惯性里程计（VIO）模块

VIO部分基于VINS-Fusion实现，针对高空场景做了专项优化：

视觉地理定位模块

1).深度特征提取与匹配

用SuperPoint提取图像关键点和特征描述子，再用LightGlue完成特征匹配。LightGlue的自适应推理深度、点剪枝、双向交叉注意力等设计，既能保证匹配鲁棒性，又能在嵌入式平台上高效运行。

系统设置了两道质量门槛：匹配点数量不少于20个，单匹配置信度不低于0.5；最终用RANSAC算法求解单应性矩阵，剔除外点。

2).速度预测核提取

如果以上次定位结果为中心裁剪卫星图，无人机飞快了很容易跑出搜索窗口，导致匹配失败。 NGPS用UKF输出的机体速度，前向预测当前位置，以此为中心裁剪卫星搜索核：

同时还会对核区域做旋转补偿，再缩放到统一尺寸用于匹配。这样不管飞快飞慢，搜索窗口都能稳稳跟住无人机，大幅提升高速场景的匹配成功率。

多方法融合旋转估计

朝向估计不准，位置解算就会偏离。NGPS用三种方法互补估计旋转角，再取中值输出，同时加入时域平滑和异常值剔除：

最终融合后的旋转RMSE仅1.94°，比单一方法精度提升30%以上。

自适应置信度UKF融合

1).状态定义

UKF维护15维运动学状态，包含位置、姿态、速度、角速度和加速度：

IMU偏置估计由前端VINS-Fusion完成，UKF专注于多源数据的运动学融合。

2).自适应噪声加权

卫星匹配的质量不是恒定的，场景纹理、光照、视角都会影响精度，固定权重显然不是最优解。 NGPS把三个匹配质量指标融合成一个置信度分数γ：

再用这个置信度动态缩放测量噪声协方差：

简单来说就是：匹配质量越高，系统越信任这个绝对定位结果，校正力度越大；匹配质量差，就自动降低权重，不让它带偏状态估计。

3).异步时间优先级队列

三种传感器频率差了上百倍，怎么对齐融合是个核心难题。 NGPS设计了时间优先级队列：所有测量数据都打上精确时间戳，按时间顺序排队；UKF每次从最早的测量开始处理，先把状态预测到对应时刻，再执行更新。 这种严格按时间顺序处理的机制，完美解决了多速率异构数据的融合问题，精度远高于简单插值或抽点方案。

2.5D地理参考正射重建

定位精度有了保障，建图就是水到渠成的事：

高度估计与飞控集成

水平位置靠NGPS+VIO融合，高度则交给飞控端多源融合：

UKF只向飞控输出水平位置和速度，高度由飞控独立解算，分工清晰稳定。

? 实验结果

测试设置

定位精度表现

1).整体方案对比

完整方案平均定位RMSE达到2.94米，相比纯单目VIO精度提升3.5倍，有效抑制了长距离飞行的漂移累积。

2).分场景性能

不同场景下的表现各有差异：

3).旋转精度

多方法中值融合后，旋转精度显著提升：

4).和公开基线对比

和同配置单目VIO的公开结果相比，NGPS在所有测试条件下都大幅领先：

计算性能

在Jetson Orin NX嵌入式平台上的耗时表现：

LightGlue的自适应深度机制可以让简单图像对提前终止推理，最多减少40%匹配耗时，是嵌入式实时运行的关键。

消融实验验证

局限性

✨ 总结

NGPS为高空无人机的GPS拒止导航提供了一套完整、可落地的解决方案：用卫星图深度匹配做绝对位姿锚点，用自适应置信度UKF和多速率队列做多传感器高效融合，同时附带实时2.5D地理建图能力。

这套方案在真实飞行中实现了米级定位精度，性能远超传统纯VIO方案，且能在边缘计算设备上实时运行，可广泛应用于无人机测绘、侦察、巡检等GPS信号不可靠的场景。 未来团队将继续优化域自适应特征、自适应核尺寸、低高度多尺度匹配等方向，进一步拓展系统的适用范围和鲁棒性。

原文链接: https://www.leiphone.com/category/private/bvVDbnoxNvGT9qc3.html