← 最新论文
💻 computer science

Kilometer-Scale GNSS-Denied UAV Navigation via Heightmap Gradients: A Winning System from the SPRIN-D Challenge

本文提出了一种完全机载的无人机系统,该系统通过将里程计与轻量级粒子滤波器相融合,将激光雷达生成的局部高程图梯度与先验地理数据进行匹配,从而在多样化地形上实现了可靠的 9 公里无 GNSS 导航,并凭借纯 CPU 硬件成功赢得了 SPRIN-D Funke 全自主飞行挑战赛。

原作者: Michal Werner, David Čapek, Tomáš Musil, Ondřej Franěk, Tomáš Báča, Martin Saska

发布于 2026-05-26
📖 1 分钟阅读☕ 轻松阅读

原作者: Michal Werner, David Čapek, Tomáš Musil, Ondřej Franěk, Tomáš Báča, Martin Saska

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,你正在驾驶一架无人机,但双眼被蒙住了。你无法看到 GPS 卫星(GNSS)来告知你的位置。你必须依靠自身对运动的感知,就像有人在黑暗中行走并数着自己的步数一样。问题在于:如果你走了 10,000 步,你最终会搞错自己的位置。在无人机领域,这被称为“漂移”。在长达 9 公里的飞行中,一架标准无人机最终会偏离其认为的位置数英里,从而撞上树木或错过目标。

本文介绍了一套获奖的无人机系统,它在无需 GPS、无需重型计算机芯片、也无需预先构建的该区域 3D 地图的情况下解决了这一问题。以下是他们如何做到的,使用简单的类比:

1. 挑战:“盲行”

无人机必须在城市、森林和开阔田野的混合地形中飞行 9 公里(约 5.5 英里),并保持极低的高度(25 米以下)。它必须沿途找到杆子上的特定红色旗帜。

  • 问题:标准导航就像在雾蒙蒙的森林中行走。你知道自己向前走了,但不知道是否向左或向右漂移了。随着时间的推移,你的内部地图会变得一团糟。
  • 限制:无人机无法携带超级计算机(如游戏电脑)来进行复杂的数学运算。它必须在标准笔记本大小的计算机(仅 CPU)上运行。

2. 解决方案:“阴影匹配”

团队没有尝试识别特定的建筑物或树木(这很难,因为从地面看一棵树与从卫星看它截然不同),而是利用了一个涉及阴影和形状的巧妙技巧。

  • “先验地图”(蓝图):在飞行之前,团队拥有一张该区域的粗略 2D 地图,显示了地面高度以及高大物体(如建筑物和树木)。可以将此视为显示景观“轮廓”的地形图。
  • “实时视图”(快照):无人机飞行时,其激光扫描仪(LiDAR)向下观察,并快速粗略地勾勒出正下方的地面和障碍物。
  • 技巧:无人机并不试图匹配确切的高度(例如,“这栋建筑是 50 米高吗?”)。相反,它观察边缘和坡度(梯度)。它会问:“我现在看到的隆起和凹陷的形状,是否与蓝图上的隆起和凹陷的形状相匹配?”

类比:想象你试图在黑暗的街区中找到你的房子。你看不到门牌号或油漆颜色。但你可以感觉到路缘石的形状。如果你沿着路缘石摸索,感觉到一个尖锐的"V"形,而你知道你的房子是唯一拥有"V"形路缘石的房子,那么你就知道你在哪里了。无人机就是用这种地形的“路缘石”来做这件事。

3. “猜谜游戏”(粒子滤波)

由于无人机无法 100% 确定,它便与自己玩起了猜谜游戏。

  • 想象无人机释放出 1,000 个微小的“幽灵”版本自己。
  • 有些幽灵认为自己在城市里;有些认为自己在森林里。
  • 随着无人机飞行,它会检查“阴影匹配”与地图是否一致。
  • 如果一个幽灵的位置与地图的形状不匹配,该幽灵就会被“淘汰”。
  • 如果一组幽灵都与地图完美匹配,无人机就会知道:“好吧,我肯定在这个群体所在的位置。”
  • 聚类:有时,无人机会感到困惑,并在不同地方拥有两组幽灵。系统使用一种数学技巧(K 均值聚类)来选择最大、最自信的群体作为真实位置。

4. 硬件:“安静的无人机”

为了使“数步”(里程计)准确,无人机需要非常稳定。

  • 振动问题:无人机发动机会产生震动。如果摄像头和传感器晃动得太厉害,“数步”就会被破坏。
  • 解决方案:团队建造了一个特殊的支架,配有“静音块”(类似于汽车上的减震器),将传感器与无人机振动的机身隔离开来。这确保了内部指南针和摄像头即使在无人机晃动时也能保持稳定。

5. 结果:赢得比赛

在比赛中,该系统在复杂地形中飞行了 9 公里。

  • 没有该系统:无人机的内部地图会发生严重漂移,导致其迷失方向(误差高达 53 米)。
  • 使用该系统:无人机保持了位置准确,误差保持在 11 米以内。
  • 获胜:他们是唯一一支在无需 GPS 的情况下成功自主飞完全程的队伍,获得了第一名。

总结

该论文表明,要在没有 GPS 的情况下驾驶无人机,你并不需要超级计算机或完美的 3D 地图。你只需要一种巧妙的方法,将你此刻看到的地面形状与你已有的粗略地图进行比较。通过不断检查这些形状,无人机可以纠正自身的错误,保持航向,甚至在黑暗中也能找到回家的路。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →