基于单目深度估计的光伏板地理定位算法

来源：计算机工程与应用杂志2025年第14期北京时间：

作者：倪源松, 韩军, 胡广怡, 王文帅

单位：上海大学 通信与信息工程学院，上海 201900

摘要：在光伏电站的无人机巡检中，准确定位光伏板的地理位置是关键。目前大多数定位方法依赖于地理信息数据、多视角图像或激光雷达，但这些方法难以在未知复杂环境下快速定位目标的地理位置。随着深度学习的单目深度估计（MDE）发展，MDE网络在道路场景下已展现出较高的深度预测精度。基于此，提出了一种全新的光伏板地理定位算法，采用MDE网络估算目标距离，并根据相机成像模型将光伏板的像素坐标转换至地理坐标。为了解决经典MDE在拍摄视角多变和距离较远的无人机场景下深度预测精度不佳，设计了针对该场景优化的MDE网络（SwinDenseDepth），采用由Swin Transformer组成的编码器增强对无人机场景的深度感知能力，并结合密集连接结构与通道空间注意力融合模块，利用语义和上下文信息提高深度估计的准确性。实验结果表明相比于目前主流的MDE能更为准确地预测无人机图像中距离，并且定位算法在巡检高度30~60 m的图像中定位误差在1~2 m范围内，满足定位光伏板的实际需求。

关键词：目标地理定位,单目深度估计,视觉地理定位,无人机（UAV）,光伏板组件