北京
无人机飞进峡谷、隧道或者被信号干扰的区域，GPS 一旦失效，它靠什么判断自己在哪里？一个常见的思路是让无人机把拍到的地面图像和卫星地图做匹配，就像人拿着地图找自己站在哪条街上。但这里藏着一个麻烦：无人机飞得高，拍到的地面范围就大；飞得低，范围就小。同一张卫星地图，对应不同高度拍出来的图像，尺度完全对不上，匹配自然容易出错。
清华大学等机构的研究者最近提出了一套名为 AE-VPR 的框架，试图解决这个尺度失配问题。他们的思路有点反常规：不直接去估计无人机的高度数值，而是先把图像转换到频域，用分类的方式预测相对离地高度，再根据这个高度对图像做裁剪归一化，最后完成无人机图像和卫星地图的匹配。在四组数据集上，引入高度估计模块后，检索准确率 R@1 和 R@5 平均提升了 41.50 和 56.83 个百分点。
为什么频域能帮上忙？
研究者对 RGB 图像的每个通道做空间移位后，计算二维 FFT（快速傅里叶变换），取对数幅值谱作为频域表征。这里的关键观察是：高度变化会改变图像中高频分量的占比。飞得越高，地面细节在图像中越密集，高频成分的比例也随之变化。相比原始空间域图像，频域特征对尺度变化更敏感，这让一个轻量分类网络就能可靠地预测相对离地高度。
把高度预测转化为分类任务，还有一个实际好处：分类比回归更容易训练，也更稳定。预测出高度后，系统据此对查询图像做尺度归一化裁剪，消除飞行高度变化带来的尺度失配。这个模块被接入 MixVPR、CosPlace 等多种主流视觉定位基线后，均显示有效，说明它具备一定的通用性。
质量自适应分类器与加权坐标估计
除了高度估计，框架里还有两个值得注意的组件。一个是质量自适应分类器（QAMC），它结合图像锐度（拉普拉斯响应的空间方差）和特征范数，合成一个样本质量因子，动态缩放角度损失的 margin。简单说，图像模糊时，分类器的决策边界会相应调整，避免在低质量输入上做出过于自信的判断。
另一个是加权坐标估计（WCE）。传统的做法是直接取 Top-1 匹配结果作为定位输出，但 WCE 会综合多个候选位置的置信度做加权估计。实验数据显示，在 100 米范围内，这种方式的定位成功率明显优于直接选取 Top-1。
真机上的表现与局限
研究者没有只停留在仿真层面。在 RTX 4090 工作站上，完整流水线的平均延迟为：RAE 模块 10.7ms，裁剪 12.4ms，VPR 分类 50.6ms，FAISS 检索仅 1.5ms，整体达到 13.3 FPS，峰值显存占用低于 600MB。这个性能水平意味着它可以部署在中小型无人机上，执行在线的地理初始化任务。
不过论文也坦承了现有方案的几项局限。单一全局高度假设无法处理地形起伏剧烈的场景；农田等纹理稀疏区域，频域表征的区分度会下降；两阶段独立训练导致高度误差会向下传递；系统强依赖预存的高清卫星地图，在完全未知的环境里无法工作。未来方向包括端到端联合训练、统一主干网络、语义结构融合等。
这套方案的价值在于，它把"高度估计"从辅助信息变成了视觉定位的关键一环，而且用频域分析把回归问题转化为分类问题，降低了训练难度。对于无人机在 GPS 拒止环境下的自主导航，这算是一个务实的推进。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
