Angesichts des möglichen Versagens des globalen Positionierungssystems und der Verschlechterung von sichtbaren Lichtbildern in Katastrophenumgebungen sowie der niedrigen Erfolgsquote traditioneller, auf Computer-Vision-basierter Re-Lokalisierungsalgorithmen aufgrund mangelnder Bildmerkmale wird eine Drohnen-Re-Lokalisierungsmethode basierend auf semantischen Karten vorgeschlagen. Die Methode nutzt RGB-D-Bilder, um in katastrophengeprägten Umgebungen Wegmarken zu erkennen und zu erstellen, und optimiert und löst die relative Pose der Drohne durch Abgleich der Wegmarken mit vorherigen Karten. Durch die Verringerung der Hemmung der potenziellen allgemeinen Objekterkennungsfähigkeit des Zielerkennungsnetzes werden hochstufige Merkmale im Bild erzielt, was das Problem der fehlenden Merkmale zur Re-Lokalisierung effektiv löst. Basierend auf Wegmarken, die durch allgemeine Objektrekonstruktionen erstellt wurden, wird eine schnelle Methode zur Wegmarkensuche und -zuordnung vorgeschlagen. Die Versuchsergebnisse zeigen, dass diese Methode im Vergleich zu auf Zielerkennungsnetzwerken basierenden Wegmarkenerstellungsmethoden reichhaltigere Wegmarken in unbekannten Umgebungen rekonstruieren kann und effektiv die Re-Lokalisierung auf Basis dieser Wegmarken durchführt. In Bildverschlechterungsszenarien von Katastrophen zeigt die Methode eine höhere Rückrufrate und Robustheit als derzeit weit verbreitete Bildsuchmethoden.

Stadtbrand;Drohne;Re-Lokalisierung;semantische Karte;Schleifenerkennung