UAVD4L: A Large-Scale Dataset for UAV 6-DoF Localization

尽管在无GPS环境下全球无人机（UAV）的定位取得了显著进展，但现有方法仍受数据集可用性的限制。目前的数据集通常关注小规模场景，缺乏视点变化、准确的地面真实姿态和UAV内置传感器数据。为了解决这些限制，我们引入了一个大规模的6自由度UAV定位数据集（UAVD4L），并开发了一个两阶段6自由度定位流水线（UAVLoc），其中包括离线合成数据生成和在线视觉定位。此外，基于6自由度估计器，我们设计了一个用于在3D空间中跟踪地面目标的分层系统。对新数据集的实验结果展示了所提出方法的有效性。代码和数据集可在https://github.com/RingoWRW/UAVD4L上获得。

本论文旨在解决在无GPS环境下，无人机全局定位问题中数据集缺乏的问题。同时，论文还试图解决无人机跟踪地面目标的问题。

论文提出了一种两阶段的6DoF无人机定位方法（UAVLoc），包括离线合成数据和在线视觉定位。此外，还设计了一个基于6DoF估计器的分层系统，用于在3D空间中跟踪地面目标。

论文提出了一个大规模的6DoF无人机数据集（UAVD4L），解决了现有数据集小规模、视角变化少、准确的GT姿态和UAV内置传感器数据缺乏等问题。实验结果表明，该方法具有很好的效果。研究者还提供了数据集和代码。

在该领域中，最近的相关研究有：1. Learning to Navigate in Cities Without a Map；2. Robust Visual Localization Across Seasons and Illumination Conditions；3. Visual Localization Across Seasons and Illumination Changes Using Conditional Domain Adaptation。