针对无人机在城市空中交通(Urban Air Mobility, UAM)环境中面临的卫星定位不稳定和信号干扰问题,以及现有额外定位系统对机载算力需求较大的挑战,研究提出了一种轻量化的无人机视觉定位系统。通过开发融合状态空间模块的图像特征...
详细信息
针对无人机在城市空中交通(Urban Air Mobility, UAM)环境中面临的卫星定位不稳定和信号干扰问题,以及现有额外定位系统对机载算力需求较大的挑战,研究提出了一种轻量化的无人机视觉定位系统。通过开发融合状态空间模块的图像特征提取框架,显著提高了预测精度,实现了基于高斯金字塔的三元组自监督训练方法,以增强算法的鲁棒性。通过引入基于滑动窗口和相似度矩阵的特征匹配策略,优化了特征匹配过程并显著提高了推理速度。通过在Airsim仿真平台及真实UAM飞行场景中的实验验证,该算法在复杂环境中能够提供精准的额外定位数据。在多组消融实验和性能测试中,验证了算法的先进性与实时性,并有效降低了算力需求。结果表明,该系统在提高无人机定位精度的同时,为城市空中交通环境下的无人机定位提供了可行的视觉解决方案。
暂无评论