AeroMap3D: Anchoring Monocular UAV 6-DoF Localization to Visual-Geometric-Semantic Map Priors
作者: Zhiyun Deng, Luis Sentis
分类: cs.RO
发布日期: 2026-07-15
💡 一句话要点
提出AeroMap3D以解决无人机6自由度定位问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 无人机定位 6自由度 视觉地图 几何语义 城市环境 RANSAC-PnP OpenStreetMap 深度学习
📋 核心要点
- 核心问题：现有的无人机定位方法在无GNSS环境下面临图像与地图之间的视角差异和结构不一致等挑战。
- 方法要点：AeroMap3D通过引入轻量级适配器和利用OpenStreetMap注释，解决了无人机与地图的配准问题。
- 实验或效果：在八个奥斯丁地点的实验中，AeroMap3D实现了50米以内的定位误差，平均3D误差为5.88米。
📝 摘要（中文）
我们提出了AeroMap3D，一个单目6自由度无人机定位系统，将机载图像锚定到视觉、几何和语义地图先验中，以实现无GNSS导航。AeroMap3D解决了地图参考空中定位中的两个基本挑战：无人机图像与卫星地图之间的视角差异，以及裸土数字高程模型（DEM）与城市场景之间的结构不一致。首先，我们引入了一种轻量级适配器，使得在互联网规模的通用数据上预训练的密集匹配器能够在不进行微调的情况下可靠地进行无人机与地图的配准。通过估计无人机图像与地图切片之间的比例和偏航偏移，适配器消除了由于高度、相机视场和航向引起的几何失配。其次，AeroMap3D将2D无人机-地图对应关系提升到DEM地形，同时利用OpenStreetMap注释拒绝语义上不可靠的匹配，从而减少由于未建模建筑高度和偏离视线结构引起的误差。延迟的基于地图的姿态测量进一步与相对运动先验通过延迟状态扩展卡尔曼滤波器融合，实现连续轨迹估计。AeroMap3D在八个奥斯丁地点的所有轨迹定位误差在50米以内，55公里飞行的平均3D误差为5.88米。
🔬 方法详解
问题定义：本论文旨在解决无人机在无GNSS环境下的6自由度定位问题。现有方法在地图参考定位时，面临无人机图像与卫星地图之间的视角差异，以及裸土数字高程模型（DEM）与城市环境之间的结构不一致等痛点。
核心思路：AeroMap3D的核心思路是通过引入轻量级适配器，使得在大规模通用数据上预训练的密集匹配器能够在不进行微调的情况下，可靠地进行无人机与地图的配准。通过估计无人机图像与地图切片之间的比例和偏航偏移，消除几何失配。
技术框架：AeroMap3D的整体架构包括两个主要模块：首先是适配器模块，用于进行无人机图像与地图的配准；其次是基于RANSAC-PnP的姿态估计模块，结合OpenStreetMap注释来排除不可靠的匹配。
关键创新：AeroMap3D的主要创新在于其轻量级适配器的设计，使得无需对密集匹配器进行重新训练或微调即可实现高效的无人机定位。这一设计显著提高了无人机在复杂城市环境中的定位精度。
关键设计：在参数设置上，适配器通过估计比例和偏航偏移来消除几何失配，采用RANSAC-PnP进行姿态估计，结合OpenStreetMap的语义信息来提高匹配的可靠性。
🖼️ 关键图片
📊 实验亮点
在实验中，AeroMap3D在八个奥斯丁地点的所有轨迹定位误差均在50米以内，且在55公里的飞行中实现了平均3D误差为5.88米。这一结果显著优于现有的无人机定位方法，展示了其在复杂环境中的有效性。
🎯 应用场景
AeroMap3D的研究成果在无人机导航、城市环境监测和灾害响应等领域具有广泛的应用潜力。通过提高无人机在无GNSS环境下的定位精度，该系统能够支持更复杂的任务，如城市规划、环境监测和紧急救援等，具有重要的实际价值和未来影响。
📄 摘要（原文）
We present AeroMap3D, a monocular 6-DoF UAV localization system that anchors onboard imagery to visual, geometric, and semantic map priors for GNSS-denied navigation. AeroMap3D addresses two fundamental challenges in map-referenced aerial localization: the cross-view discrepancy between UAV imagery and satellite maps, and the structural inconsistency between bare-earth digital elevation models (DEMs) and urban scenes. First, we introduce a lightweight adapter that enables a dense matcher pretrained on internet-scale generic data to perform reliable UAV-to-map registration without finetuning. By estimating the scale ratio and yaw offset between the UAV image and map tile, the adapter removes the dominant geometric misalignment induced by altitude, camera field of view, and heading before dense correspondence estimation. Second, AeroMap3D lifts 2D UAV-map correspondences onto DEM terrain while using OpenStreetMap annotations to reject semantically unreliable matches before RANSAC-PnP pose estimation, thereby reducing errors caused by unmodeled building heights and off-nadir structures. Delayed map-based pose measurements are further fused with relative-motion priors using a delayed-state EKF for continuous trajectory estimation. Without UAV-Terra3D retraining or tuning, AeroMap3D localizes all trajectories across eight Austin sites within 50 m and achieves 5.88 m mean 3D error over 55 km of flight.