《Electronics》：Experimental Evaluation of Precision Positioning in Unmanned Aerial Systems Using Fiducial Markers
Krzysztof Andrzejewski,
Bart?omiej Dziewoński,
Artur Kierzkowski,
Micha? Szewczyk and
Krzysztof Kaliszuk
编辑推荐：
为解决无人机在近地操作中GNSS定位精度不足的问题，研究人员开展了基于ArUco和AprilTag光学标识符的导航方法研究。在ArduPilot平台上的测试结果表明，光学导航将着陆精度从米级提升至厘米级，为物流、精准农业等对精确定位有高需求的任务提供了更可靠的技术方案。
想象一下，一架无人机需要将急救包精确投放到屋顶的指定平台，或者一架农业无人机需要降落在田间的充电桩上完成电池更换。在这些场景中，几米的误差都可能导致任务失败甚至引发危险。目前，大多数无人机依赖全球导航卫星系统（GNSS， 如GPS、北斗）进行导航。虽然GNSS在巡航飞行中表现良好，但在近地、尤其是着陆阶段，其信号容易受到大气扰动、城市“峡谷效应”等多路径干扰，定位精度会显著下降，通常在米级范围。尽管实时动态（RTK）技术可将精度提升至厘米级，但它依赖于持续良好的卫星信号和差分数据链，在复杂环境中并不总是可靠。因此，寻找一种不依赖卫星信号、能在近地操作中提供高精度定位的辅助或替代方案，成为了无人机领域一个重要的研究课题。
近期，一项发表在《Electronics》上的研究，为我们展示了一种颇具潜力的解决方案：利用视觉“路标”——即ArUco和AprilTag这两种方形人工标识符（Fiducial Markers），来引导无人机实现厘米级精度的自主着陆。这项研究并非停留在仿真层面，而是在真实的无人机平台（基于ArduPilot飞控系统）上进行了系统的飞行测试，直观地比较了传统GNSS导航与光学导航在着陆精度上的巨大差异。
为了开展这项研究，研究人员搭建了一套集成光学感知的无人机实验系统。关键技术方法包括：1. 系统集成：使用搭载ArduPilot飞控的无人机，外挂由Raspberry Pi 5和Basler工业相机组成的视觉计算单元，通过MAVLink协议进行通信。2. 标识符检测算法应用：分别调用OpenCV库中的ArUco检测器和dt-apriltags库中的AprilTag3检测器，处理相机捕获的图像，实时计算标识符在图像中的位置。3. 位姿解算与引导：将检测到的标识符像素坐标转换为无人机相对于目标的俯仰和偏航角度，并通过特定的MAVLink消息发送给飞控，引导无人机向标识符中心降落。4. 对比实验设计：在受控环境下，让无人机分别使用纯GPS、ArUco引导和AprilTag引导三种模式执行多次起飞-着陆循环，并精确记录每次着陆的偏移距离，从而进行定量比较。
实验案例研究
研究通过一系列实际飞行测试来评估两种标识符系统的性能，核心包括检测范围、着陆精度和检测速度三个方面。
检测范围
研究人员在不同高度拍摄包含标识符的图片，并测试不同图像分辨率下的检测能力。结果表明，AprilTag在所有分辨率下都表现更优，其最大检测距离达到34.7米。而ArUco在最高和半分辨率下的最大检测距离仅为16米，且更高的分辨率并未带来距离优势。这说明AprilTag在更早发现、更远距离锁定目标方面具有优势。
精度着陆测试
这是研究的核心部分。结果清晰地显示，单纯使用GPS引导的着陆点非常分散，误差在米级范围。这张图直观对比了三种方法的着陆点分布。而无论是使用AprilTag还是ArUco引导，着陆点都紧密地聚集在目标点（原点）周围，将误差降低到了厘米级。虽然两者都表现出高精度，但从分布簇来看，AprilTag的集中度略优于ArUco。研究还通过 和 等示意图，展示了不同引导方式下的实际着陆场景对比。
通用检测器速度比较
在计算效率方面，情况发生了反转。在相同的处理条件下，OpenCV的ArUco检测器速度显著快于AprilTag检测器，其检测速率约为每秒710次，几乎是AprilTag（每秒363次）的两倍。这意味着ArUco更适合对处理速度要求极高、计算资源受限的平台。不过，研究也指出，即使是较慢的AprilTag检测速率，也足以满足无人机着陆引导的实时性要求。
结论与讨论
这项研究通过系统的实验验证，得出了明确且具有实践指导意义的结论。
首先，在提升着陆精度方面，光学标识符导航的效果是革命性的。它成功地将无人机着陆误差从GNSS的米级降低到了厘米级，显著提高了着陆的准确性和可重复性。这对于自动充电、精准空投、设备回收等任务至关重要。
其次，研究对两种主流标识符技术给出了全面的性能画像，为不同应用场景下的技术选型提供了依据。AprilTag在检测范围上占优，能在更远距离被发现，可能更适合需要提前规划降落路径或在高空识别目标的应用。而ArUco在计算速度上优势明显，能为搭载边缘计算设备的无人机节省宝贵的运算资源，以便同时处理其他任务。两者在最终着陆精度上都能满足厘米级要求。
然而，研究也客观指出了光学导航的局限性。与受环境影响相对较小的GNSS不同，基于视觉的方法对光照条件（如昏暗、强光反射）、天气（如雨、雾）以及标识符本身的清洁度和完整性都非常敏感。因此，当前的光学导航方案更适合在环境可控或条件良好的情况下使用，或者作为GNSS的一种高精度补充和备份手段，形成多传感器融合的导航系统。
最后，该研究的成功实施证明了基于开源飞控平台（如ArduPilot）集成先进光学导航模块的可行性。这为无人机研发者和应用方提供了一条可复制的技术路径，能够以相对低的成本，为现有无人机增加高精度着陆能力，推动无人机在物流、测绘、农业、应急救援等更多需要精细操作的领域实现真正的自动化。
综上所述，这项研究不仅证实了光学标识符导航在理论上的优越性，更通过严谨的实地飞行测试，为其工程化应用铺平了道路。它像为无人机装上了一双精准的“眼睛”，让无人机在复杂的近地环境中也能看得清、落得准，向着更高水平的自主化迈出了坚实的一步。
