Open Source Robotics

精选高质量开源机器人项目、工具和软件,推动机器人社区发展。

Kilometer-Scale GNSS-Denied UAV Navigation via Heightmap Gradients: A Winning System from the SPRIN-D Challenge

作者: Michal Werner, David Čapek, Tomáš Musil, Ondřej Franěk, Tomáš Báča, Martin Saska · ICRA 2026

ICRA 2026

许可协议

  • 开放获取
  • 论文: CC BY 4.0

以下内容均依据论文全文,按其 CC BY 4.0 许可协议使用;其中的图已注明作者。

一句话总结

SPRIN-D 挑战赛夺冠系统:在 25 m AGL 以下完成 9 km 完全机载的无 GNSS UAV 飞行,通过梯度模板将 LiDAR 生成的高程图与先验地理数据匹配,并在聚类粒子滤波器中融合 — 仅用 CPU 即可实时运行。

为何重要

GNSS 干扰与拒止如今已是常态化的作战现实,而大多数应对方案都需要重型算力或预先构建的稠密地图。该系统仅凭公开地理数据高程图和 CPU 级机载硬件就赢得了一场严格的实地竞赛 — 这是来自欧洲最强 UAV 实验室之一(布拉格捷克理工大学 MRS 团队)的实用方案,并有端到端的完整记录。

问题

无 GNSS 的远距离低空 UAV 飞行:仅靠里程计在公里级距离上会产生漂移,在此前未见过的地形中回环闭合永远不会触发,而嵌入式平台无法实时运行重型定位栈。

提出的方法

一个集成感知、建图、规划与控制的完全机载技术栈,其漂移修正通过梯度模板匹配将 LiDAR 生成的局部高程图与先验地理数据高程图对齐,并在聚类粒子滤波器中将匹配证据与里程计融合。

关键见解

  • 地形高程图梯度是一种鲁棒且轻量的配准信号 — 将 LiDAR 生成的局部高程图与公开地理数据匹配即可修正漂移,无需预先稠密建图
  • 聚类粒子滤波器能干净地将微弱、多模态的高程图匹配证据与里程计融合,在地形消除歧义之前保留多个候选假设
  • 完整的感知-建图-规划-控制闭环在仅有 CPU 的嵌入式硬件上实时运行,为载荷预算省去了 GPU
  • 在城市、森林和开阔地形上的比赛部署暴露了实验室基准测试无法发现的实际失效模式

主要结果

  • 赢得 SPRIN-D Funke 全自主飞行挑战赛任务:在无 GNSS、无预先稠密建图的条件下,于 25 m AGL 以下完成 9 km 航点导航
  • 在比赛评估期间跨越城市、森林和开阔地形执行了公里级完全自主飞行
  • 相对原始里程计积分大幅减小了位置漂移
  • 整个系统在仅有 CPU 的硬件上机载实时运行

局限

  • 依赖先验地理数据高程图 — 在梯度信息匮乏的无特征或变化剧烈的地形上会失效
  • 系统代码未开源发布(仅有论文和视频);该团队更广泛的 MRS UAV 技术栈是开源的
  • 仅在低空(25 m AGL 以下)评估;其他飞行剖面下的表现未经测试

对领域的影响

证明了利用公开地理数据和仅有 CPU 的算力即可实现公里级无 GNSS 导航,并通过在城市、森林和开阔地形上赢得一场独立实地竞赛得到验证 — 为 GNSS 拒止条件下漂移修正的 UAV 自主性提供了参考设计。

摘要

无人机(UAV)在 GNSS 拒止环境中的可靠远距离飞行极具挑战性:对里程计积分会导致漂移,在此前未见过的区域无法进行回环闭合,且嵌入式平台的计算能力有限。我们提出一个为 SPRIN-D Funke 全自主飞行挑战赛开发的完全机载 UAV 系统,该赛事要求在无 GNSS、无预先稠密建图的条件下,于 25 m AGL 以下完成 9 km 的远距离航点导航。该系统集成了感知、建图、规划与控制,并采用一种轻量级漂移修正方法:通过梯度模板匹配将 LiDAR 生成的局部高程图与先验地理数据高程图对齐,并在聚类粒子滤波器中将匹配证据与里程计融合。该系统在比赛中实际部署,跨越城市、森林和开阔地形执行了公里级飞行,相对原始里程计大幅减小了漂移,同时在仅有 CPU 的硬件上实时运行。

链接

  • arXiv 2510.01348: https://arxiv.org/abs/2510.01348
  • PDF: https://arxiv.org/pdf/2510.01348
  • 项目主页: https://mrs.fel.cvut.cz/

本网站需要 JavaScript 才能正常运行。请启用 JavaScript 以浏览我们的开源机器人项目。