← 返回论文列表

熄灯：一种利用热成像和语义3D地图的夜间无人机定位框架
Lights Out: A Nighttime UAV Localization Framework Using Thermal Imagery and Semantic 3D Maps

作者: Ryan Allen, Melissa Greeff
arXiv: 2604.26201v1
分类: cs.RO
📝 论文摘要
在GNSS拒止的夜间环境下，无人机（UAV）的可靠备份定位仍是一个开放性挑战，其根本原因在于日间RGB地图与夜间热成像之间存在严重的模态差异。本文提出一种基于语义重投影的框架，通过将分割后的热成像观测与由日间RGB数据构建的、带有全局参考和语义标签的三维地图进行对齐，实现地图参照下的夜间无人机定位。该方法不依赖于外观特征的对应关系，而是在共享语义域中构建定位问题，并通过对称双向重投影目标函数及困惑度感知权重加以求解，从而提升在分割不确定条件下的鲁棒性。该方案在城市及半结构化环境中进行了离线评估，涵盖实际夜间无人机飞行轨迹共计6.5公里。相较于RTK GNSS地面真值，该系统实现了2.18米的偏差校正二维均方根误差（RMSE2D）以及1.52米的中位数RMSE2D。结果表明，定位性能与语义边缘证据的有效性密切相关，且大误差事件在空间上集中于语义模糊区域，而非均匀分布。这些发现表明，语义重投影为仅使用热成像实现全局参照下的夜间无人机定位提供了一条有前景的路径。

📊 核心分析

🎯 研究动机
- 解决**GNSS拒止(GNSS-denied)** 夜间环境下**无人机(UAV)** 的可靠备份定位问题 - 现有方法受限于日间**RGB地图** 与夜间**热成像(thermal imagery)** 之间的严重**模态差异(modality gap)** - 夜间环境对无人机自主定位提出了严峻挑战，传统基于外观的对应方法失效
🔧 核心方法
- 提出**语义重投影(semantic reprojection)** 框架，将热成像分割结果与**语义标记3D地图(semantically labeled 3D map)** 对齐 - 使用**对称双向重投影目标(symmetric bidirectional reprojection objective)** 进行定位推理，联合优化双向投影误差 - 引入**混淆感知加权(confusion-aware weighting)** 机制，根据分割不确定性动态调整权重，增强鲁棒性 - 地图由日间**RGB数据** 预先构建并全局参考，避免在线建图
💡 核心创新
- **首次** 将**语义重投影(semantic reprojection)** 应用于夜间UAV定位，通过共享语义域而非外观特征实现跨模态对齐 - **对称双向重投影(symmetric bidirectional reprojection)** 与**混淆感知加权** 的整合，有效处理**分割不确定性(segmentation uncertainty)** - 完全**避免** 对**基于外观的对应(appearance-based correspondence)** 的依赖，从根本上缓解日夜模态差异问题 - 发现定位性能与**语义边缘证据(semantic edge evidence)** 可用性强相关，大误差事件集中在语义模糊区域而非均匀分布
🏆 总体贡献
- 为GNSS拒止夜间环境下的UAV定位提供了一种仅使用**热成像(thermal imagery)** 的备份定位方案，无需额外光源 - 在6.5km真实夜间飞行轨迹上验证，达到**偏置校正RMSE2D为2.18m**、中位数RMSE2D为1.52m的精度 - 揭示了**语义重投影(semantic reprojection)** 在跨模态定位中的潜力，并指出性能主要受语义边缘证据制约 - 方法仅依赖已构建的**语义3D地图(semantic 3D map)**，无需夜间地图或光照辅助，实用性强