无人机不需要那种浪漫意义上的“自主”。它需要在一个标识上安全落下,没有 GPS,相机在动,光线不好。剩下的都是簿记工作。
背景
无 GPS 降落首先是一个工程问题,然后才是研究问题。在野外、屋顶或室内,信号要么不存在,要么不可信。视觉标识给飞行器一个固定参照,但前提是管线能尽早找到它、在运动模糊中跟住它,并且在检测器丢失时恢复。
我们采集了 1,999 帧带标注的图像,覆盖不同进近角度、高度与光照。数据集小到可以人工审查,这后来被证明是整个项目里最重要的决定。
系统
检测器是 YOLO26n 主干加 RepViT-C3k2 模块,选择它是因为在 Jetson 上比原版模型有更好的“精度/毫秒”交换。检测器先运行,给出粗框与类别。
如果检测器不自信,管线回退到二维码。二维码路径更慢,但对尺度变化与部分遮挡更稳健,而且它同时给出身份与位置。如果二维码也不可用,系统保持最后已知位姿,让飞控悬停,而不是猜。
第三层是位姿。标识定位后,EPnP 从四个共面点解出三维位姿。位姿经过滤波后送给飞控。关键的设计选择是三层可以独立失败:检测失败不会丢掉标识,二维码失败不会丢掉位姿,位姿失败不会产生一条坏指令。
审查
训练最终模型之前,我们做了标注审查。它检查朝向一致性、相邻帧之间的一致性,并把有分歧的样本抽样给人看。结果在 1,999 个框里找出 367 个标反的,18.4%。
检测器一直在学这个翻转。修正标签提升了精度,但更大的影响是稳定性:预测不再在序列中来回切换两个朝向。审查现在是训练管线的一部分,而不是一次性的清理。
结果
系统在复杂场景达到 85% 的检测准确率,并通过 TensorRT 与 OpenVINO 跑在 Jetson 上。项目获评校级优秀创新创业项目,已开源。
我最信任的数字不是 85%,是 18.4%。第一个数字描述模型在我们拥有的数据上的表现;第二个数字描述我们以为自己拥有的数据。两者都重要,而通常只有前者会被报告。
检测器不可能比它被教会重复的那句话更正确。
学到的事
网络是工作里最可见的部分,也是最不值得辩护的部分。真正决定系统是否工作的是回退逻辑、标注审查,以及“不确定就悬停”这个决定。实践中的自主,是一套被仔细安排过的停下方式。
测量