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。