自然灾害与突发事件发生后，快速、准确地测绘灾区情况并识别关键兴趣目标（Targets-of-Interest, TOIs），是科学资源调配与高效组织救援的重要前提。近年来，低空遥感无人机（UAV）以其强机动性、快速部署及高清成像的独特优势，已成为灾后态势感知的理想工具。然而，现有技术框架在处理无人机影像以生成灾区数字正射影像地图（DOM）时，面临双重瓶颈：传统基于运动恢复结构（SfM）的离线处理模式耗时过长，难以满足应急响应“分秒必争”的时效需求；而基于同步定位与建图（SLAM）的实时方案在面对高分辨率、低重叠度的典型无人机航测数据时，普遍依赖高性能GPU与高精度GNSS信号，难以在资源受限的应急现场稳定输出高质量地图，制约了精细化的灾情解译与评估。
为突破上述瓶颈，打通从无人机影像快速采集到灾损专题情报高效生成的全流程，由刘春教授领衔的同济大学时空智能感知研究团队，面向低空场景需求，研制了集成智能解译能力的低空无人机实时正射制图系统——ARTEMIS。该系统是全球首个在地质、水文、气候和气象等多灾种真实灾害数据集上进行系统性验证的端到端解决方案，为应急响应提供了全新的技术路径。
图1 ARTEMIS系统实时成图流程概览
相关研究成果《ARTEMIS: A real-time efficient ortho-mapping and thematic identification system for UAV-based rapid response》发表于国际摄影测量与遥感领域顶刊 《ISPRS Journal of Photogrammetry and Remote Sensing》。论文第一作者为团队刘奕君硕士，通讯作者为刘春教授与艾克然木·艾克拜尔博士。该研究也是测绘、信息和交通等多学科深度交叉研究成果，同济大学交通学院赵鸿铎教授团队共同参与验证测试，为系统面向机场等大型关键交通基础设施的快速评估与维护提供了重要支撑。
图2 论文成果发表
图3 团队与交通学院赵鸿铎教授团队合作开展大型交通基础设施外场实验
论文主要内容 面向低空经济典型场景的应用，团队提出了一种名为ARTEMIS的低空无人机实时正射制图与专题识别系统。该系统采用以CPU为核心的设计，集成了三大创新技术：其一，提出了投影误差引导的窗口搜索策略，基于广义双目视觉模型预测投影误差范围，有效约束了特征搜索空间，在保障匹配鲁棒性的同时大幅提升计算效率，克服了轻量化特征描述子在标准无人机摄影测量数据上实时空中三角测量的解算失效；其二，设计了一种轻量级匹配置信度度量方法，在光束法平差（BA）过程中对高质量匹配赋予更高权重，解耦了对于GNSS的强依赖，通过内部优化提升了定位精度，增强了系统在信号退化环境下的韧性；其三，构建了一套集成先进监督与零样本深度学习模型的端到端工作流，实现了从DOM生成到关键兴趣目标的自动识别与解译，直接输出支撑决策的可信专题地图。 图4 ARTEMIS系统架构 TONGJI-ARTEMIS系统实时成图流程展示（ROS1） 研究过程中，在涵盖地震、飓风、龙卷风、野火等灾种的六个真实世界数据集上，对ARTEMIS的性能进行了全面评估。实验结果显示：在稀疏重建阶段，ARTEMIS比COLMAP等主流SfM方法快高达58倍；在DOM生成阶段较ContextCapture等商业解决方案快高达22倍，同时保持了优于0.5米的绝对定位精度。更重要的是，量化评估表明，在目标检测F1分数、语义分割mIoU等关键指标上，系统实时地图的解译结果与耗时的离线处理成果相当，展示了其在实际应急响应中的可靠性与巨大应用潜力。 图5 2018年飓风迈克尔海滨村社区灾损专题地图 TONGJI-ARTEMIS系统实时成图与专题识别流程展示（QGIS） 图6 2018年苏拉威西地震贝托波地区灾损专题地图 总结与展望 本研究研发的ARTEMIS系统，旨在填补实时数据采集与可操作地理空间情报之间的关键鸿沟。据知，这是首个在单一框架内全面解决应急响应多重挑战的系统，它 (i) 能够鲁棒地处理挑战性航摄数据，(ii) 实现了硬件无关的性能，并 (iii) 具备对GNSS信号退化的韧性。尤为重要的是，与现存多数研究不同，本研究并未止步于生成单纯的“可视化”地图产品，通过多项指标 (iv) 评估并验证了实时地图产品的机器可解释性，且 (v) 在多个真实灾害数据集上证实了其端到端的有效性。通过这种一体化设计，系统为资源受限下的应急测绘挑战提供了可靠的解决方案，确保了其输出情报的及时性与准确性。 未来工作将致力于拓展ARTEMIS的性能边界与应用领域。技术上，系统将通过融合先验地理数据并集成先进三维场景表达技术，实现从二维到三维实时建图的跨越。功能上，通过扩展对热红外、激光雷达与多光谱等多源传感器的支持，系统将服务于大型基础设施智慧运维、夜间搜救和精准农业等对时间、成本敏感的多元任务。最终，该技术将通过与应急响应机构合作开展试点部署与用户研究，从实验室验证走向实战应用，持续提升其在真实应急任务中的价值与可靠性。 项目资助 本研究获国家自然科学基金面上项目“滑坡灾害场景认知驱动的四足仿生机器人增强感知研究”资助（项目编号：42471474）。 论文信息 Liu, Y., Akbar, A., Yu, T., Yu, Y., Kong, Y., Gao, J., Wang, H., Li, Y., Zhao, H., Liu, C., 2025. ARTEMIS: A real-time efficient ortho-mapping and thematic identification system for UAV-based rapid response. ISPRS Journal of Photogrammetry and Remote Sensing 229, 396-421. https://doi.org/10.1016/j.isprsjprs.2025.08.026. 论文链接： https://authors.elsevier.com/c/1ll1c3I9x1uc5l https://www.sciencedirect.com/science/article/abs/pii/S0924271625003375