Visuelle Lokalisation eines unbemannten Luftfahrzeugs mithilfe semantischer Features in OpenStreetMap

Kurzfassung

In den vergangenen Jahren rückte der Einsatz unbemannter Luftfahrzeuge (engl. Unmanned Aerial Vehicles, UAVs) zur Bewältigung alltäglicher, aber auch sicherheitskritischer Aufgaben immer weiter in den Fokus. Von der Nutzung als Logistikdrohne, über Anwendungen im Gesundheitswesen bis hin zur Bekämpfung von Waldbränden. Die Grundlage für den autonomen und erfolgreichen Einsatz der UAVs ist eine möglichst genaue Lokalisation. Hierzu greift eine Vielzahl an Systemen auf satellitengestützte Verfahren zurück. Daten eines globalen Navigationssatellitensystems (engl. Global Navigation Satellite System, GNSS) können jedoch durch natürliche Effekte, wie die Mehrwegeausbreitung oder atmosphärische Reflexionen, aber auch durch künstliche Einflüsse, z. B. verursacht durch GNSS-Spoofing, mit hohen Ungenauigkeiten behaftet sein. Die Verwendung visueller Informationen, welche direkt in der Drohne erhoben werden, ermöglichen eine satellitenunabhängige Lokalisation. In dieser Arbeit wird ein kameragestütztes System zur absoluten Lokalisation des UAVs vorgestellt. Dazu werden semantische Features der überflogenen Szene mit georeferenzierten Kartendaten des Projekts OpenStreetMap abgeglichen. Der Abgleich semantischer Bilddaten erfolgt mithilfe eines Template-Matching-Ansatzes. Ein wesentlicher Bestandteil des Template Matchings ist die Bestimmung der Similaritäten zwischen den verglichenen Bilddaten. Dazu werden die Metriken L2-Norm, normalisierte Kreuzkorrelation, binäre Kreuzentropie sowie Focal Loss und Dice Loss untersucht. Der Vergleich zeigt, dass ein Abgleich mithilfe der Metrik Focal Loss die besten Ergebnisse erzielt. Die aus dem Abgleich resultierende relative Position kann unter Verwendung der Georeferenz in eine absolute Position überführt werden. Weiterhin wird das Template Matching im Rahmen einer hierarchischen Suche durchgeführt.