“微觀交叉定位”模型解決無人機送貨的技術難題

疫情期間，用無人機送快遞既能解決快遞 “井噴式” 增長時快遞員人手不足的問題，它也為 “無接觸” 快遞服務提供了更多的選擇。

然而，無人機送貨也面臨著精準分辨困難的問題。如果兩幢樓外形相似，有時候人類肉眼都很難分辨，那么，無人機該如何確定目標客戶的準確地址？如果無人機送貨中途迷路了，該如何解決？

“這個模型的最大亮點就是，實現太空坐標和地球坐標還有無人機自定義坐標之間的靈活轉換，這就是交叉定位的內涵?！?杭州電子科技大學博士王廷宇表示。

2 月 22 日，杭州電子科技大學王廷宇博士在 IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY 期刊發(fā)表了題為《每個部分都很重要：本地模式有助于跨視圖地理定位》（“Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization”）的論文。

王廷宇向媒體介紹，“無人機定位目前主要應用 GPS，而在高樓密集的小區(qū)中，由于兩幢樓相鄰的參照物極為相似會無法識別兩棟樓之間的區(qū)別，進而會發(fā)生迷路問題?！?/p>

該研究用 “微觀交叉定位” 的模型解決了無人機送貨的技術難題，在無人機利用衛(wèi)星圖識別目標時，該模型通過衛(wèi)星眼（GPS 眼）和自有眼（攝像頭）看到的信息，憑借對目標周邊環(huán)境的智慧識別進行相互比對，進而輔助目標的定位。這為無人機送貨的大規(guī)模應用提供了可行性方案。

該模型不僅可以讓無人機送獲不再 “找路難”，還能與已有的其它導航系統 “無縫結合”，并在已有性能上進行提升。王廷宇在接受媒體采訪時表示，“太空俯拍圖用的是經緯度坐標，但無人機不靠經緯度定位，且飛行軌跡可能異常復雜。這時，拍出的圖片可能是側視圖或是其它角度的航拍圖?！?/p>

所以，即使是同一物體，由于衛(wèi)星圖和無人機圖照片抓取角度有差別，拍入的周圍物體和環(huán)境不一樣，也會導致同一物體給人 “不一樣” 的感覺。

一般來說，無人機或衛(wèi)星等航拍是以廣角來捕捉場景圖像。當獲得地理目標時，圍繞目標的上下文信息也被捕獲。該論文指出，如果兩個地理目標之間沒有明顯的差異，人類視覺系統很難識別出真正匹配的目標。

但是，如果有上下文信息的幫助，那么這個任務就容易多了。研究人員發(fā)現，通過挖掘和利用圖像中的上下文信息可以提高交叉視角地理定位的準確性。

圖丨擬議的局部模式網絡（LPN 框架概述（來源：IEEE ）

該論文指出，現有的方法通常集中在圖像中心對地理目標的細粒度特征進行挖掘，而忽視了相鄰區(qū)域的上下文信息。該研究團隊認為，鄰域對地理定位的鑒別線索可以作為輔助信息。研究人員設計了一種 LPN，它用以端到端的方式，明確探索上下文信息的有效方法。

為了更好地利用上下文信息，研究人員應用方環(huán)劃分策略來劃分特征映射。他們觀察到地理目標通常分布在圖像的中心，上下文信息則被輻射分布在周圍。

具體來說，將高級特性劃分為一個方形環(huán)劃分中的幾個部分。LPN 在不使用額外部分估計量的情況下，采用了一種基于距離圖像中心距離的方環(huán)特征分割策略。

此外，實驗還證明了研究人員所提出的 LPN 可以很容易地嵌入到其他框架中以進一步提高性能。LPN 對無人機視點目標定位任務 (衛(wèi)星無人機) 的精度達到 75.93%，對無人機導航任務 (衛(wèi)星無人機) 的精度達到 86.45%。

王廷宇的博導、杭州電子科技大學智能信息處理實驗室主任顏成鋼在接受媒體采訪時，對于圖片識別的困難給出一個形象的比喻：“看你的臉，我可以認出你，但看你頭頂，我也要能看出來是你，這就很難了。”

顏成鋼表示，“交叉定位也就是匹配機制，從不同角度拍攝識別出同一物體。即使目標建筑物周邊信息在兩張圖像中的位置不同，也能進行有效比對。王廷宇設計的模型，解決的是一個工程技術應用難題?！?/p>

原文標題：杭州電子科技大學博士用微觀交叉定位，讓無人機送貨不再“找路難”

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉載請注明出處。

責任編輯:haq