疫情期间，用无人机送快递既能解决快递 “井喷式” 增长时快递员人手不足的问题，它也为 “无接触” 快递服务提供了更多的选择。
然而，无人机送货也面临着精准分辨困难的问题。如果两幢楼外形相似，有时候人类肉眼都很难分辨，那么，无人机该如何确定目标客户的准确地址？如果无人机送货中途迷路了，该如何解决？
“这个模型的最大亮点就是，实现太空坐标和地球坐标还有无人机自定义坐标之间的灵活转换，这就是交叉定位的内涵。” 杭州电子科技大学博士王廷宇表示。
2 月 22 日，杭州电子科技大学王廷宇博士在IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY期刊发表了题为《每个部分都很重要：本地模式有助于跨视图地理定位》（“Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization”）的论文。
图丨相关论文（来源：IEEE）
王廷宇向媒体介绍，“无人机定位目前主要应用 GPS，而在高楼密集的小区中，由于两幢楼相邻的参照物极为相似会无法识别两栋楼之间的区别，进而会发生迷路问题。”
该研究用 “微观交叉定位” 的模型解决了无人机送货的技术难题，在无人机利用卫星图识别目标时，该模型通过卫星眼（GPS 眼）和自有眼（摄像头）看到的信息，凭借对目标周边环境的智慧识别进行相互比对，进而辅助目标的定位。这为无人机送货的大规模应用提供了可行性方案。
该模型不仅可以让无人机送获不再 “找路难”，还能与已有的其它导航系统 “无缝结合”，并在已有性能上进行提升。王廷宇在接受媒体采访时表示，“太空俯拍图用的是经纬度坐标，但无人机不靠经纬度定位，且飞行轨迹可能异常复杂。这时，拍出的图片可能是侧视图或是其它角度的航拍图。”
所以，即使是同一物体，由于卫星图和无人机图照片抓取角度有差别，拍入的周围物体和环境不一样，也会导致同一物体给人 “不一样” 的感觉。
一般来说，无人机或卫星等航拍是以广角来捕捉场景图像。当获得地理目标时，围绕目标的上下文信息也被捕获。该论文指出，如果两个地理目标之间没有明显的差异，人类视觉系统很难识别出真正匹配的目标。
但是，如果有上下文信息的帮助，那么这个任务就容易多了。研究人员发现，通过挖掘和利用图像中的上下文信息可以提高交叉视角地理定位的准确性。
图丨拟议的局部模式网络（LPN 框架概述（来源：IEEE）
该论文指出，现有的方法通常集中在图像中心对地理目标的细粒度特征进行挖掘，而忽视了相邻区域的上下文信息。该研究团队认为，邻域对地理定位的鉴别线索可以作为辅助信息。研究人员设计了一种 LPN，它用以端到端的方式，明确探索上下文信息的有效方法。
为了更好地利用上下文信息，研究人员应用方环划分策略来划分特征映射。他们观察到地理目标通常分布在图像的中心，上下文信息则被辐射分布在周围。
具体来说，将高级特性划分为一个方形环划分中的几个部分。LPN 在不使用额外部分估计量的情况下，采用了一种基于距离图像中心距离的方环特征分割策略。
图丨分区策略的简化图（来源：IEEE）
此外，实验还证明了研究人员所提出的 LPN 可以很容易地嵌入到其他框架中以进一步提高性能。LPN 对无人机视点目标定位任务 (卫星无人机) 的精度达到 75.93%，对无人机导航任务 (卫星无人机) 的精度达到 86.45%。
王廷宇的博导、杭州电子科技大学智能信息处理实验室主任颜成钢在接受媒体采访时，对于图片识别的困难给出一个形象的比喻：“看你的脸，我可以认出你，但看你头顶，我也要能看出来是你，这就很难了。”
颜成钢表示，“交叉定位也就是匹配机制，从不同角度拍摄识别出同一物体。即使目标建筑物周边信息在两张图像中的位置不同，也能进行有效比对。王廷宇设计的模型，解决的是一个工程技术应用难题。”
-End-
参考：
https://ieeexplore.ieee.org/document/9360609
