YoloTag：基于视觉的可靠无人机导航与可识别标记
内容提要
本文介绍了一种新方法，通过方形平面标记实现无人机的定位和建图，实验结果表明该方法优于现有技术。此外，研究了无人机在逆境环境下的标记物探测性能，并提出了大规模数据集UAV-VisLoc以支持模型训练。这一方法增强了无人机在缺乏GNSS环境中的定位能力，展示了其实际应用潜力。
延伸解读
标记检测在逆境环境下的性能评估
文章通过四旋翼飞行器采集户外图像序列，定量分析了温度、光照、风速、湿度、能见度和降水等逆境条件对标记物探测的影响。评估指标包括准确性、召回率、连续性、可用性、鲁棒性、弹性和覆盖范围，并基于半自主起降操作验证了标记物在精准起降和城市场景飞行中的可靠性潜力。这些分析为标记物在实际恶劣环境中的部署提供了数据支持。
UAV-VisLoc数据集的特点与用途
为解决无人机视觉定位问题，文章提出了大规模数据集UAV-VisLoc，包含来自中国11个地点的多种类型无人机图像和卫星地图。该数据集旨在支持模型的训练和测试，为无人机在缺乏GNSS环境下的定位研究提供基准。其多地点、多类型的特性有助于评估模型在不同场景下的泛化能力，推动视觉定位技术的发展。
视觉标记方法在无人机导航中的演进
文章回顾了从2016年至2024年视觉标记与无人机导航的相关研究，包括基于方形平面标记的定位与建图、ChromaTag标记检测算法、TagSLAM开源包以及基于风格对齐的动态观测方法等。这些工作逐步提升了标记检测的鲁棒性和定位精度，并扩展到USV定位等新场景，展示了视觉标记技术在GNSS受限环境中的持续演进和多样化应用。
Q&A
YoloTag方法如何改善无人机的定位和建图能力？
YoloTag通过利用方形平面标记和最小化平面标记再投影误差进行全局定位优化，从而改善无人机的定位和建图能力。
在逆境环境下，无人机的标记物探测性能受到哪些因素的影响？
无人机的标记物探测性能受到温度、光照、风速、湿度、能见度和降水等因素的影响。
UAV-VisLoc数据集的主要用途是什么？
UAV-VisLoc数据集用于支持无人机模型的训练和测试，包含来自中国11个地点的多种类型无人机图像和卫星地图。
YoloTag方法在缺乏GNSS环境中如何增强无人机的定位能力？
YoloTag通过预处理图像以提取边缘信息，显著提高了无人机在缺乏GNSS环境中的定位性能。
YoloTag方法与现有技术相比有哪些优势？
实验结果表明，YoloTag方法在定位和建图方面优于运动结构和视觉SLAM技术。
YoloTag方法是如何进行全局定位优化的？
YoloTag方法通过创建相对标记姿态的箭头和最小化平面标记再投影误差来进行全局定位优化。
