IEEE 2023 I 立體三角測(cè)量為什么在無人機(jī)距離估計(jì)中不起作用？（1）

本文介紹了群體無人機(jī)的研究和應(yīng)用的重要性，并說明了在無人機(jī)場(chǎng)景中準(zhǔn)確估計(jì)周圍無人機(jī)距離的難點(diǎn)。存在的方法主要依賴于密集視差預(yù)測(cè)，但在無人機(jī)場(chǎng)景中存在數(shù)據(jù)注釋困難和計(jì)算資源有限的問題。為了解決這些問題，本文構(gòu)建了UAVDE數(shù)據(jù)集，并提出了一種新的位置校正模塊（PCM）和動(dòng)態(tài)迭代校正（DIC）機(jī)制。在UAVDE數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，所提出的方法在無人機(jī)距離估計(jì)中具有有效性和優(yōu)越性。

作者的主要貢獻(xiàn)有：

• 形式化了無人機(jī)距離估計(jì)任務(wù)并提出了UAVDE數(shù)據(jù)集。

• 發(fā)現(xiàn)位置偏差問題是損害無人機(jī)距離估計(jì)性能的主要挑戰(zhàn)。

• 提出了一種名為位置校正模塊（PCM）和動(dòng)態(tài)迭代校正（DIC）機(jī)制的新修正方法，以準(zhǔn)確預(yù)測(cè)圖像和真實(shí)位置之間的偏移，并用于立體三角測(cè)量的計(jì)算補(bǔ)償。

• 在UAVDE數(shù)據(jù)集上對(duì)所提出的方法進(jìn)行了實(shí)驗(yàn)評(píng)估，結(jié)果證明了作者方法的有效性和優(yōu)越性。

本文回顧了與作者的工作相關(guān)的經(jīng)典和基于學(xué)習(xí)的立體距離估計(jì)的文獻(xiàn)。經(jīng)典的立體匹配算法通常包括匹配代價(jià)計(jì)算、代價(jià)聚合、優(yōu)化和視差細(xì)化四個(gè)步驟，利用不同的像素表示和后處理技術(shù)可以在相對(duì)簡(jiǎn)單的場(chǎng)景中取得良好的效果。然而，在復(fù)雜的無人機(jī)場(chǎng)景中，現(xiàn)有方法通常受到遮擋、光照變化和無特征區(qū)域等環(huán)境干擾的影響。為了應(yīng)對(duì)這些問題，近年來的研究者開始利用深度學(xué)習(xí)技術(shù)來提取像素級(jí)特征并進(jìn)行匹配。學(xué)習(xí)到的表示在低紋理區(qū)域和各種光照下表現(xiàn)出更強(qiáng)的魯棒性。有些方法還試圖在代價(jià)聚合過程中結(jié)合語義線索和上下文信息，取得了積極的結(jié)果。然而，基于學(xué)習(xí)的方法需要依賴以激光雷達(dá)密集注釋的高質(zhì)量訓(xùn)練數(shù)據(jù)，在無人機(jī)場(chǎng)景中很難獲得這種關(guān)鍵的密集注釋數(shù)據(jù)。因此，本文提出了一種新的數(shù)據(jù)集，用于無人機(jī)距離估計(jì)，該數(shù)據(jù)集利用UWB傳感器獲取距離，并發(fā)現(xiàn)了無人機(jī)距離估計(jì)中的關(guān)鍵問題-位置偏差，并提出了一種新的位置修正方法。

本文介紹了一個(gè)名為UAV Distance Estimation (UAVDE)的新穎無人機(jī)距離估計(jì)數(shù)據(jù)集。數(shù)據(jù)集使用一架AMOV P600記錄型無人機(jī)和一架DJI M200目標(biāo)無人機(jī)進(jìn)行立體圖像采集。采集了包括建筑背景、森林、運(yùn)動(dòng)場(chǎng)和籃球場(chǎng)等典型場(chǎng)景的3895個(gè)立體圖像，并劃分為訓(xùn)練、驗(yàn)證和評(píng)估三個(gè)子集。為了適應(yīng)未見場(chǎng)景并解決模型過擬合問題，訓(xùn)練子集與其他子集包含的場(chǎng)景不同。數(shù)據(jù)集的注釋過程中，通過UWB定位技術(shù)測(cè)量了目標(biāo)無人機(jī)中心位置的距離，并手動(dòng)標(biāo)注了無人機(jī)邊界框以用于無人機(jī)檢測(cè)器的訓(xùn)練。

本文主要解決了位置偏移問題，并提出了一種新穎的位置校正模塊 (PCM)。根據(jù)分析，作者使用4元組{θ、r、w、h}來預(yù)測(cè)位置偏移，其中θ和r表示相對(duì)角度和到圖像中心的半徑，w和h表示檢測(cè)到的無人機(jī)邊界框的大小。通過一個(gè)簡(jiǎn)單的多層感知機(jī) (MLP) 進(jìn)行預(yù)測(cè)，得到校正量。在訓(xùn)練過程中，采用了L2損失函數(shù)來優(yōu)化校正后的距離與真實(shí)距離之間的差異。PCM的訓(xùn)練與無人機(jī)檢測(cè)器的訓(xùn)練是相互獨(dú)立的，在推斷過程中，PCM只需附加到無人機(jī)檢測(cè)器的末尾進(jìn)行位置校正。

本文針對(duì)無法完全校正的難樣本，提出了一種動(dòng)態(tài)迭代校正方法。通過堆疊多個(gè)位置校正模塊(PCM)來連續(xù)進(jìn)行迭代校正。為了確定是否需要進(jìn)一步校正，本文設(shè)計(jì)了一個(gè)門控機(jī)制，根據(jù)數(shù)據(jù)樣本的難度自適應(yīng)調(diào)整校正過程。在訓(xùn)練過程中，使用絕對(duì)相對(duì)差異(Abs Rel)作為測(cè)量指標(biāo)來確定難樣本，并使用交叉熵?fù)p失函數(shù)對(duì)門控模塊的輸出進(jìn)行優(yōu)化。通過多個(gè)PCM和門控模塊的指令，可以在推斷過程中順序執(zhí)行多個(gè)PCM，實(shí)現(xiàn)動(dòng)態(tài)迭代校正。