Kilometer-Scale GNSS-Denied UAV Navigation via Heightmap Gradients: A Winning System from the SPRIN-D Challenge
Autori: Michal Werner, David Čapek, Tomáš Musil, Ondřej Franěk, Tomáš Báča, Martin Saska · ICRA 2026
Licenze
- Open access
- Articolo: CC BY 4.0
Tutto ciò che segue si basa sull'articolo completo secondo la sua licenza CC BY 4.0; la figura è riportata citando gli autori.
In breve
Il sistema vincitore della SPRIN-D Challenge: 9 km di volo di droni interamente di bordo in assenza di GNSS sotto i 25 m AGL, abbinando mappe di elevazione ricavate dal LiDAR a dati geografici preesistenti tramite template di gradiente fusi in un filtro a particelle a cluster, in tempo reale con la sola CPU.
Perché è importante
Il disturbo e la negazione del GNSS sono ormai realtà operative di routine, e la maggior parte delle contromisure richiede molta potenza di calcolo o mappe dense preliminari. Questo sistema ha vinto una rigorosa competizione sul campo usando solo mappe di elevazione da dati geografici pubblici e hardware di bordo di classe CPU: una ricetta pratica da uno dei laboratori di droni più forti d'Europa (MRS CTU di Praga), documentata da cima a fondo.
Problema
Volo di droni a lungo raggio e a bassa quota senza GNSS: la sola odometria deriva nell'arco dei chilometri, le chiusure di loop non scattano mai su terreni mai visti prima e le piattaforme embedded non possono eseguire in tempo reale stack di localizzazione pesanti.
Soluzione proposta
Uno stack interamente di bordo che integra percezione, mappatura, pianificazione e controllo, con una correzione della deriva che abbina, tramite template matching sui gradienti, mappe di elevazione locali ricavate dal LiDAR a una mappa di elevazione preesistente da dati geografici, e fonde queste evidenze con l'odometria in un filtro a particelle a cluster.
Idee chiave
- I gradienti delle mappe di elevazione del terreno sono un segnale di registrazione robusto e leggero: abbinare mappe di elevazione locali ricavate dal LiDAR a dati geografici pubblici corregge la deriva senza una mappatura densa preliminare
- Un filtro a particelle a cluster fonde in modo pulito con l'odometria le evidenze deboli e multimodali dell'abbinamento delle mappe di elevazione, mantenendo vive le ipotesi ambigue finché il terreno non le disambigua
- L'intero ciclo percezione-mappatura-pianificazione-controllo funziona in tempo reale su hardware embedded con sola CPU, lasciando libero un budget di carico utile senza GPU
- L'impiego in competizione su terreni urbani, boschivi e in campo aperto ha messo in luce modi di guasto pratici che i benchmark di laboratorio non colgono
Risultati principali
- Ha vinto la prova della SPRIN-D Funke Fully Autonomous Flight Challenge: navigazione a waypoint di 9 km sotto i 25 m AGL senza GNSS né mappatura densa preliminare
- Ha eseguito voli completamente autonomi su scala chilometrica su terreni urbani, boschivi e in campo aperto durante la valutazione della competizione
- Ha ridotto in modo sostanziale la deriva di posizione rispetto all'integrazione dell'odometria grezza
- L'intero sistema funziona a bordo in tempo reale su hardware con sola CPU
Limiti
- Dipende da mappe di elevazione preesistenti da dati geografici: fallisce su terreni privi di caratteristiche o molto cambiati, dove i gradienti non sono informativi
- Il codice del sistema non è rilasciato come open source (solo articolo e video); lo stack MRS UAV più ampio del team è aperto
- Valutato a bassa quota (sotto i 25 m AGL); il comportamento con altri profili di volo non è stato testato
Impatto sul settore
Dimostra che la navigazione su scala chilometrica in assenza di GNSS è realizzabile con dati geografici pubblici e la sola potenza di calcolo della CPU, come convalidato dalla vittoria in una competizione indipendente sul campo su terreni urbani, boschivi e in campo aperto: un progetto di riferimento per l'autonomia dei droni con correzione della deriva in assenza di GNSS.
Abstract
Il volo affidabile a lungo raggio dei droni (UAV) in ambienti privi di GNSS è difficile: l'integrazione dell'odometria porta alla deriva, le chiusure di loop non sono disponibili in aree mai viste prima e le piattaforme embedded offrono una potenza di calcolo limitata. Presentiamo un sistema per droni interamente di bordo sviluppato per la SPRIN-D Funke Fully Autonomous Flight Challenge, che richiedeva una navigazione a waypoint a lungo raggio di 9 km sotto i 25 m AGL senza GNSS né una mappatura densa preliminare. Il sistema integra percezione, mappatura, pianificazione e controllo con un metodo leggero di correzione della deriva che abbina mappe di elevazione locali ricavate dal LiDAR a una mappa di elevazione preesistente da dati geografici tramite template matching sui gradienti, e fonde queste evidenze con l'odometria in un filtro a particelle a cluster. Impiegato durante la competizione, il sistema ha eseguito voli su scala chilometrica su terreni urbani, boschivi e in campo aperto e ha ridotto in modo sostanziale la deriva rispetto all'odometria grezza, funzionando in tempo reale su hardware con sola CPU.
Link
- arXiv 2510.01348: https://arxiv.org/abs/2510.01348
- PDF: https://arxiv.org/pdf/2510.01348
- Pagina del progetto: https://mrs.fel.cvut.cz/