RASR：用于度量无人机导航的距离感知尺度恢复
RASR: Range-Aware Scale Recovery for Metric UAV Navigation
浏览论文内容
中文总结 AI 辅助
研究在GNSS信号阻断时无人机精确最后一米导航问题，提出RASR方法，将尺度恢复核心与校准模块分离，核心压缩几何成描述符并全局校准，校准模块进行残差校正和对齐，在PairUAV评估中取得较好结果。
中文摘要 AI 辅助
在全球导航卫星系统（GNSS）信号被阻断的情况下，无人机控制器仍需要可执行的距离和航向指令，这使得精确的最后一米度量导航至关重要。密集对几何基础模型能很好地传递相对结构，但其原始度量输出的距离尺度校准不佳。在PairUAV的相对误差度量下，仅校正平均尺度仍会在目标附近留下与距离相关的高成本残差。为解决这种尺度不匹配问题，距离感知尺度恢复（RASR）在推理时固定的每对系统中，将可转移的尺度恢复核心与特定协议校准模块分离。核心将冻结的匹配和立体3D重建（MASt3R）风格的几何压缩成紧凑描述符，并使用全局校准恢复主导度量信号。距离桶残差校正和命令网格对齐保留在校准模块内，以匹配PairUAV的命令格式和评估协议。在2026年多媒体PairUAV在线评估中的无人机上，RASR的总分为0.0031⑧9。在PairUAV协议下，冻结的对几何可产生稳定的每对距离和航向估计，而每个特定协议的调整都局限于推理前固定的校准模块。代码和材料可在该https网址获取。
英文摘要
A central challenge in image-goal UAV navigation under Global Navigation Satellite System (GNSS) denial is estimating metric distance and heading between current and goal views. Dense pairwise geometry models capture relative scene structure, but without a calibrated metric scale, they cannot directly provide reliable distance estimates for navigation. Although global scale calibration corrects the dominant scale bias, the remaining errors vary systematically with distance. In this paper, Range-Aware Scale Recovery (RASR) is proposed, which complements global scale calibration with range-aware residual correction. RASR encodes pairwise geometry extracted by a frozen Matching And Stereo 3D Reconstruction (MASt3R) backbone as a compact descriptor and separates the scale-recovery core from task-specific command calibration. On the official online evaluation of the UAVs in Multimedia 2026 PairUAV challenge, RASR achieved a total error of 0.003189, achieving a lower total error than global scale calibration alone. The results demonstrate that range-aware residual correction improves metric distance estimation beyond global scale calibration. Code and materials are available at https://github.com/lht-research/rasr-pairuav.
发表机构
- College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学电子信息工程学院）
- Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
- Noah Ark Lab, Huawei（华为诺亚方舟实验室）
- College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化工程学院）
- College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院）
- College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院）
机构由 AI 辅助整理，请以论文原文为准。
