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

📄 arXiv: 2510.01348v1 📥 PDF

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

分类: cs.RO

发布日期: 2025-10-01

备注: 8 pages

💡 一句话要点

提出基于高度图梯度的GNSS拒止无人机导航系统，赢得SPRIN-D挑战赛。

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 无人机导航 GNSS拒止 高度图 梯度匹配 粒子滤波

📋 核心要点

  1. 在GNSS拒止环境中，无人机长距离可靠飞行面临里程计漂移累积、无闭环检测等难题。
  2. 该系统通过梯度模板匹配将激光雷达局部高度图与先验高度图对齐，实现轻量级漂移校正。
  3. 系统在SPRIN-D挑战赛中成功完成公里级飞行，显著降低了漂移，并在CPU上实时运行。

📝 摘要（中文）

本文提出了一种完全自主的无人机（UAV）系统，用于SPRIN-D Funke全自主飞行挑战赛，该挑战要求在无GNSS或预先密集地图的情况下，进行低于地面25米的9公里长距离航点导航。该系统集成了感知、建图、规划和控制，采用了一种轻量级的漂移校正方法，该方法通过梯度模板匹配将激光雷达导出的局部高度图与先验地理数据高度图进行匹配，并将证据与里程计在聚类粒子滤波器中融合。在比赛中，该系统在城市、森林和开阔地带执行了公里级的飞行，相对于原始里程计，大大减少了漂移，同时在仅使用CPU的硬件上实时运行。本文描述了系统架构、定位流程和比赛评估，并报告了来自现场部署的实践见解，为GNSS拒止的无人机自主导航设计提供了参考。

🔬 方法详解

问题定义：论文旨在解决在GNSS拒止环境下，无人机进行长距离自主导航的问题。现有方法主要依赖里程计，但长时间运行会产生累积漂移，导致定位精度下降。同时，在未知的环境中，无法进行有效的闭环检测来校正漂移。嵌入式平台的计算能力有限，也限制了复杂算法的应用。

核心思路：论文的核心思路是利用先验的地理数据（高度图）作为参考，通过将激光雷达获取的局部高度图与先验高度图进行匹配，从而实现漂移校正。这种方法不需要依赖GNSS信号，也不需要预先构建详细的地图，适用于GNSS拒止和未知环境。

技术框架：该系统包含感知、建图、规划和控制四个主要模块。感知模块使用激光雷达获取环境信息，并生成局部高度图。建图模块维护一个先验的地理数据高度图。定位模块通过梯度模板匹配将局部高度图与先验高度图对齐，估计无人机的位置和姿态。规划模块根据当前位置和目标航点生成飞行轨迹。控制模块控制无人机按照规划的轨迹飞行。定位结果与里程计信息通过聚类粒子滤波进行融合，以提高定位精度和鲁棒性。

关键创新：该论文的关键创新在于提出了一种轻量级的漂移校正方法，该方法基于梯度模板匹配，能够有效地利用先验高度图信息进行定位。与传统的基于特征匹配的方法相比，梯度模板匹配对光照变化和噪声具有更强的鲁棒性。此外，该方法计算复杂度较低，能够在CPU上实时运行，适用于嵌入式平台。

关键设计：梯度模板匹配算法是关键。首先计算局部高度图和先验高度图的梯度。然后，使用互相关方法计算两个梯度图之间的相似度。通过搜索相似度最高的位姿，估计无人机的位置和姿态。聚类粒子滤波器用于融合梯度匹配的结果和里程计信息，每个粒子代表一个可能的无人机位姿，通过对粒子进行加权和重采样，估计无人机的最终位姿。具体参数设置未知。

📊 实验亮点

该系统在SPRIN-D Funke全自主飞行挑战赛中成功完成了9公里长距离的航点导航任务，证明了其在GNSS拒止环境下的有效性。实验结果表明，该系统能够显著降低里程计的漂移，提高了定位精度。此外，该系统能够在仅使用CPU的硬件上实时运行，表明其具有良好的计算效率和实用性。具体性能数据未知。

🎯 应用场景

该研究成果可应用于多种GNSS拒止环境下的无人机自主导航任务，例如室内巡检、地下矿井勘探、城市峡谷飞行、灾后救援等。该系统能够提高无人机在复杂环境下的定位精度和可靠性，降低对GNSS信号的依赖，具有重要的实际应用价值和商业前景。未来可进一步扩展到其他类型的机器人平台，如地面机器人和水下机器人。

📄 摘要（原文）

Reliable long-range flight of unmanned aerial vehicles (UAVs) in GNSS-denied environments is challenging: integrating odometry leads to drift, loop closures are unavailable in previously unseen areas and embedded platforms provide limited computational power. We present a fully onboard UAV system developed for the SPRIN-D Funke Fully Autonomous Flight Challenge, which required 9 km long-range waypoint navigation below 25 m AGL (Above Ground Level) without GNSS or prior dense mapping. The system integrates perception, mapping, planning, and control with a lightweight drift-correction method that matches LiDAR-derived local heightmaps to a prior geo-data heightmap via gradient-template matching and fuses the evidence with odometry in a clustered particle filter. Deployed during the competition, the system executed kilometer-scale flights across urban, forest, and open-field terrain and reduced drift substantially relative to raw odometry, while running in real time on CPU-only hardware. We describe the system architecture, the localization pipeline, and the competition evaluation, and we report practical insights from field deployment that inform the design of GNSS-denied UAV autonomy.