Norai 诺睿矩阵- 无人机
GNSS 拒止环境下的视觉定位
演示数据 · UAV-VisLoc 真实航拍

项目介绍

GNSS 拒止环境下的无人机视觉定位 —— 让无人机在没有卫星信号时,依然知道自己在哪。

本项目由 Norai 诺睿矩阵norai.cn 提供算法支持。

我们要解决的问题

无人机依赖 GNSS 定位。一旦进入拒止环境(干扰、欺骗、遮蔽), 纯惯导会随时间快速漂移 —— 飞得越久,越不知道自己在哪。 这是工业级无人机在复杂环境中最致命的失效模式之一。

我们的做法

用机载下视相机拍摄地面,与预先装载的卫星正射底图做匹配, 直接解算出米级绝对经纬度,并把结果以标准 MAVLink 位置估计的形式交给飞控,同时附带健康状态与置信度

三不碰
  • · 遥控与数据链路
  • · 飞控决策与失效保护
  • · 避障
两必须
  • · 标准 MAVLink 位置估计
  • · 健康状态 / 置信度输出

一句话边界:我们是飞控的一个视觉传感器,不接管飞机。

目前做到的效果

16.5 – 19.8 m
定位误差 CEP50
真实异源数据 · 仅统计成功定位的帧
80.0%
可用率
60 帧独立抽样 · 分母 = 全部帧
3.7%
误定位率
已给出定位、但实际偏差 >50 m 的帧占比
81 ms
单帧耗时
纯 CPU 运行,无需 GPU

粗定位先验 vs 可用率(实测,泰州站点 / 60 帧)

粗定位先验窗口可用率CEP50
457 m(±228 m)76.7%19.6 m
600 m(±300 m)58.3%20.8 m
800 m(±400 m)36.7%24.4 m
1200 m(±600 m)10.0%238.5 m

我们把这个权衡完整列出,而不是只报最好的那一档。 这也是为什么健康状态输出是必须的 —— 先验变差时,系统会拒绝输出而不是给出错误坐标。

硬件与成本

核心定位流程全部在 CPU 上运行, 不依赖 GPU / CUDA / TensorRT / torch。 这意味着算力平台可以按需选择:

  • · 主线:NVIDIA Jetson Orin NX(8 GB 基线)
  • · 降级通道:瑞芯微 RK3588 —— 整机 BOM 约 $225–365 (Orin NX 方案约 $760–900)

算法与 CUDA 解耦,是为了不被单一供应链锁死 —— Orin 系列 2026 年涨幅超过 60%。

算法支持:Norai 诺睿矩阵 · norai.cn
本页数据全部来自公开数据集 UAV-VisLoc 上的真实算法输出,未做高度变换与合成。