UAV-VisLoc：中国11地大规模无人机视觉定位数据集

2024-05-16，由中科院、北京邮电大学和香港都会大学连合创建了UAV-VisLoc数据集，这个数据集通过收会合国11个差异地点的无人机图像和卫星舆图，为无人机在失去环球导航卫星体系(GNSS)信号时提供正确的经纬度坐标定位，具有紧张的实际应用意义。
数据集地点：UAV-VisLoc - 用于无人机视觉定位的大规模数据集|无人机数据集|视觉定位数据集


一、研究配景：

无人机(UAV)的应用范围日益扩大，包罗农业发展、情况监测和地面监视等。在这些应用中，获取无人机的正确位置（即正确的纬度和经度坐标）对于鄙俚使命至关紧张，尤其是在环球导航卫星体系(GNSS)制止或不可用的情况下。随着遥感技能的发展，我们可以得到险些覆盖地球每个角落的高分辨率卫星舆图，每个像素都标注有正确的坐标。因此，通过将无人机拍摄的地面图像与相应的正射卫星图像举行匹配，可以实现快速且无偏差累积的无人机定位。


现在碰到困难和挑衅：

1、现有的无人机视觉定位方法固然可以大概实现自主视觉定位，但在没有偏差累积的情况下，须要匹配无人机的地面视角图像与正射卫星舆图，这在数据网络上资本较高，导致大规模实际场景数据集的稀缺。
2、现有的无人机视觉定位数据集通常范围于较小的地理地域或仅关注具有显着纹理的都会地域。
3、现有的跨视角图像地理定位数据集无法满足实际需求，存在使命简朴、飞行高度低和场景单一等缺点。


数据集地点：UAV-VisLoc - 用于无人机视觉定位的大规模数据集|



二、让我们一起看一下UAV-VisLoc数据集

UAV-VisLoc是一个大规模的无人机视觉定位数据集，包罗中国11个差异地点的6742张无人机图像和11幅卫星舆图，覆盖了多种地形特性。
UAV-VisLoc数据集包罗了固定翼无人机和多地形无人机在差异高度和方向上捕捉的图像。每张无人机图像都配有经纬度、高度、拍摄日期和飞行方向角等元数据。别的，还提供了覆盖大地理地域的正射遥感舆图，每像素都标注有坐标。


UAV-VisLoc数据集构建：

数据集的构建过程包罗在中国差异地点网络无人机图像，如江苏省、太湖沿岸、长江流域、东华园镇、云南省和甘肃省。这些图像覆盖了复杂的地形和地貌特性，如乡村、城镇、农场、都会、河道、山丘和森林。图像在差异高度和差异航向角下捕捉，包罗多旋翼和固定翼无人机。


UAV-VisLoc数据集特点:

1、固定翼无人机图像。固定翼无人机具有续航本领强、飞行高度高等特点，现已广泛应用于测绘、农业和侦探行业。因此，除了多旋翼无人机外，我们的数据集还增补了固定翼无人机在更高高度捕捉的无人机图像，以顺应多域模子训练和测试。
2、多地形无人机图像。我们的数据集包罗各种地貌纹理特性的无人机图像，如乡村、城镇、农场、都会、河道、丘陵等，覆盖了中国大部分地域。
3、多高度和多航向角无人机图像。我们的数据集包罗差异高度的无人机图像，既有低海拔都会场景，也有高海拔旷野场景。我们的数据集还包罗飞行航向角信息，有利于后续的干系研究。
4、大规模视觉定位数据集。此数据集提供了充足的数据来支持模子的训练和测试。具体来说，它有 6,742 张无人机图像和 11 张卫星舆图。
数据集提供了训练和测试模子的样本。视觉定位使命的目标是在卫星舆图中找到最相似的舆图，以定位无人机的纬度和经度坐标。别的，无人机还可以根据其飞行汗青，找到最干系的地方（无人机图像），并导航回目标地点。


基准测试 ：

数据集提供了一个基准，用于评估无人机视觉定位方法在实际场景中的表现。通过将无人机拍摄的地面图像与卫星舆图举行匹配，可以确定无人机的当前位置坐标。

干系 UAV 视觉定位数据集的择要。

数据集网络过程。坐标系中的红点表现无人机当前位置在地面上的投影，即无人机拍摄的图像中心点。黄点表现整个飞行隔断的卫星舆图界限。

无人机图像和卫星舆图的示例。卫星舆图中的红点表现无人机图像的中心点。卫星舆图包罗各种地形，比方都会、城镇、农场和河道。我们还展示了这些地形的无人机图像。


三、让我们一起推测UAV-VisLoc数据集应用场景

比如，我是一名农业监测专家，我的工作是使用无人机技能来监测农田中的作物生长状态。从前，我们经常依靠人工巡查，这不但耗时耗力，而且容易出现偏差。
如今，我们使用搭载UAV-VisLoc数据集训练的无人机体系，工作变得高效多了。


我如今的工作流程：

• 无人机飞行与图像收罗： 我们的无人时机在设定的飞行路径上主动巡航，无人机搭载了高分辨率相机，可以大概拍摄到清晰的作物图像。每次飞行，我们会设定航向重叠率、旁向重叠率，以确保图像覆盖的完备性。
  
• 数据处理惩罚与分析： 无人机返航后，体系会主动下载拍摄的图像，并通过图像处理惩罚软件举行拼接，天生正射影像。接下来，我们使用UAV-VisLoc数据会合的信息，联合图像分析工具，辨认出作物的康健地域和病虫害地域。比方，我们管帐算NDVI（归一化植被指数）来评估作物的康健状态。
  
• 生长趋势分析： 通过对多期影像数据举行对比，我们可以分析作物的生长趋势。比如，比力差异时间段内同一块农田的NDVI值，可以大概直观地看到作物生长的厘革。这一过程不但进步了监测的正确性，还能实时发现潜伏题目。
  
• 精准农业管理： 基于分析效果，我们会订定施肥、灌溉的精准方案，引导农夫举行科学管理。比方，假如某个地域的NDVI值低于预设尺度，我们会发起农夫增长该地域的施肥量，以促进作物生长。
  

通过使用这个体系，我们可以大概在短时间内获取大量的作物生长数据，极大地进步了监测的服从和正确性。使用无人机技能和大数据分析，我们可以大概更好地服务于当代农业，推动农业的智能化发展。