无人机导航定位技术

1. 无人机导航定位技术美团无人机业务部

2. 1. 常用导航定位技术及其挑战

3. 无人机导航定位重要性飞控感知导航定位规划座舱导航定位是无人机自主飞行基础 “刷锅”与“炸机”

4. 美团无人机业务需求需要高性能、高可靠、高精度的导航定位技术低空物流全场景运行密集起降，低空高速飞行具备全天时多天候能力昼夜光照、雨/雪/雾、大风等具备主动安全能力备降/迫降

5. 卫星定位技术 GPS (Global Positioning System) RTK (Real-Time Kinematic) PPK (Post-Processing Kinematic) 米级精度厘米级精度厘米级精度实时定位，需要通讯网络后解算定位，基站作用半径更大

6. 卫星定位技术的挑战白天电离层干扰大环境遮挡&多径效应夜间电离层干扰小电离层干扰

7. 惯性导航技术惯性导航：通过惯性传感器（Inertial Measurement Unit）测量载体在三维空间的加速度和角速度，从而获取载体的时空信息。IMU由三个正交的陀螺仪和加速度计组成，在消费级MEMS应用领域，常常将磁力计与IMU封装在一起，通过测量地球磁场为IMU提供航向信息 IMU Magnetometer

8. 惯性导航技术挑战挑战1：惯性导航系统短时间精度高，长时间定位误差随时间发散，需要与其他导航定位源融合挑战2：无人机依赖IMU输出姿态信息用于飞行控制，在可控成本下如何实现高可靠的惯导系统常见的无人机惯性导航系统惯导系统误差发散惯性系统误差发散

9. SLAM导航定位技术 SLAM导航定位技术：是以SLAM（Simultaneous Localization and Mapping，即视觉同时定位与建图）技术为基础的多传感器融合导航定位系统。求解：在AR/VR、机器人、无人机等领域大量应用 [1] Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., ... & Leonard, J. J. (2016). Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age. IEEE Transactions on robotics, 32(6), 1309-1332. 惯性系统误差发散

10. SLAM导航定位技术挑战 SLAM架构设计要兼顾性能、精度与可靠性精度视觉弱纹理 AR/VR 无人车配送无人机可靠性消费无人机 / 机器人激光点云退化问题高效视觉重复纹理主传感器数据质量退化

11. 2. 美团无人机导航定位技术应用实践与探索

12. 美团无人机导航定位技术框架软硬协同的卫星惯导融合导航位置组合导航速度紧耦合的视觉惯导融合导航航向

13. 软硬协同的卫星惯导融合导航自建MORS基站备份第三方RTK服务商优化RTK机端算法假固定率降低两个数量级 p 服务覆盖半径约5公里区域 p 上线差分数据质量监测功能 p 支持全系统全频域 p 上线机端双天线固定解校验自研IMU模组自研3-DOF估计器精度误差与商业软件相当低成本，高可靠 p 集成MEMS陀螺、加速度计以及气压计 p 提供产线IMU模组精确标定工具 p 多IMU冗余 p 上线机端AHRS算法

14. 紧耦合的视觉惯导融合导航使用float系统，纯视觉达到1%相对定位精度 IMU 多视相机 KLT+Detection Sliding Window long-term feature short-term feature state feature Delayed Initialization Propagation MSCKF Update Measurement update MSCKF与SRIF结合 Square Root Inverse Filter 多视紧耦合滤波融合框架 SLAM Update

15. 紧耦合的视觉惯导融合导航（VPS）将VPS(Visual Positioning System)技术从室内外场景扩展到无人机场景，通过自研特征描述DRKF提升了算法对旋转、尺度、光照等变化的鲁棒性，并且结合云-端一体的优势，搭建了一套高效、鲁棒的视觉全局定位系统。室内视觉定位Demo视频 VPS流程图 DRKF: Distilled Rotated Kernel Fusion for Efficient Rotation Invariant Descriptors in Local Feature Matching （ 2023 IROS ）

16. 全航线视觉惯导融合导航演示

17. 视觉惯导融合导航前沿工作 Efficient Visual-Inertial Navigation with Point-Plane Map. (ICRA 2023) 背景： 1. 城市场景面特征丰富 2. 实时检测面特征，需要高算力主要贡献： 1. 将面特征结合点的信息放入地图中，在线定位使用地图中面特征增加对特征点约束 2. 实验表明在资源消耗不增加情况下提高了定位精度

18. 视觉惯导融合导航前沿工作（演示）

19. VPS建图前沿工作 Efficient Bundle Adjustment for Coplanar Points and Lines. (ICRA 2023) 主要贡献： 1. 共面的直线和点在环境中无处不在，我们提出一种高效的共面直线和点BA算法 2. 实验结果表明我们的算法要明显优于传统BA算法典型应用场景创新点1 创新点2 创新点3

20. 3D点云前沿工作 Efficient Second-Order Plane Adjustment. (CVPR 2023, Highlight Paper) 主要创新点： 1. Plane Adjustment (PA) 与视觉中BA类似，都是对路标和姿态的联合优化 2. 推导了PA问题的Hessian矩阵和Gradient的闭式解，证明时间复杂度与平面点数量无关 3. 实验结果表明：PA算法比SOTA有更快的收敛速度，在基于RGB-D、LiDAR的SLAM系统中优势明显 PA

21. 3. 无人机导航定位技术发展方向讨论

22. 紧耦合卫星惯导融合技术未来展望 p 视觉剔除NLOS信号干扰，提升复杂场景卫星导航可靠性； p RTK与IMU紧耦合，减少粗差观测量的影响，提高定位精度和数据有效率； p 多源融合，充分发挥各数据源优势，实现无缝高可靠定位。 ... 无人机运营场景GNSS信号强度天空视图紧耦合卫星导航算法框架

23. 基于深度学习技术的惯性导航未来展望 p 在除IMU外的所有传感器均失效的情况下，仍然能有 6-DOF定位输出 p 正常情况下，可作为冗余导航定位源 ... 模型调优 p 以TLIO（Tight Learned Inertial Odometry）为基础，使用真实无人机航线导航定位数据优化模型 p 初步实现10米以内全局定位精度，10%相对定位精度

24. 基于NeRF技术的视觉在线建图与定位未来展望未来展望基于NeRF重建与渲染技术，可应用到更多场景 p 室内外稠密建图、渲染、数据合成和实景仿真应用 p 基于NeRF渲染的稠密匹配实现视觉定位，获取更鲁棒的定位结果 ... 输入：几万张图片输出：高精网格、高质量渲染基线版本：30~40小时加速版本：4~5小时加速近10倍网格重建输入：几万张图片输出：高精网格、高质量渲染基于NeRF的重定位——渲染图(左) 与 gt原图(右) 虚拟渲染 (景区展示) 虚拟渲染 (景区展示 ) 网格重建

25. Q&A

26. 加入美团扫码查看美团无人机社招岗位扫码查看美团无人机校招岗位