SatSim：从卫星影像到导航观测

SatSim 使用带地理坐标的卫星 GeoTIFF 表示场景。给定位姿和相机参数后，它确定地面覆盖范围，读取局部影像，按 heading 旋转并缩放，得到模型看到的 RGB。当前相机采用平面地面上的垂直俯视模型，高度控制观测尺度。

1. 地理位置如何对应图像像素

地理坐标、投影坐标、像素坐标与相对位姿

相对位姿的 forward / right 坐标轴由初始 heading 确定，并在整个 Episode 中保持固定。图中的动作幅度采用标准配置。

表示

单位与方向

用途

WGS84 [longitude, latitude, altitude]

经度、纬度为度，高度为米

Episode 和公开 agent state

EPSG:3857 (x, y)

Web Mercator 投影米；x 向东、y 向北

模拟器内部位置与影像窗口

GeoTIFF (row, col)

行向下、列向右

定位和读取栅格像素

初始朝向下的 (forward, right)

地面米；相对 Episode 起点

agent_pose 的位移部分

GeoTIFF 的坐标参考系和仿射变换连接投影坐标与栅格像素。SatSim 打开场景时将其统一到 EPSG:3857，重复使用同一场景时复用已打开的数据集。

Web Mercator 在纬度 \(\varphi\) 处的局部尺度因子为 \(k=1/\cos\varphi\)。渲染器把地面覆盖长度乘以 \(k\)，得到投影平面上的窗口尺寸；移动也使用相同的局部尺度换算。因此，配置中的前进距离和相机覆盖宽度均按地面米解释。

2. 高度、视场角与地面覆盖

相机覆盖几何与观测生成步骤

左侧为水平视场角所在截面；右侧为渲染器处理顺序。

设相机高度为 \(h\)，水平视场角为 \(\alpha\)，输出图像宽高为 \(W,H\)。在平面俯视模型中，未旋转的地面覆盖宽高为：

\[ L_x=2h\tan(\alpha/2),\qquad L_y=L_x\frac{H}{W}. \]

当输出为 448 × 448、HFOV 为 90° 时，50 m 高度对应约 100 × 100 m 的地面范围。高度增至 100 m，覆盖扩大到约 200 × 200 m；同样的建筑在固定像素尺寸的输出中随之变小。保持高度不变而增大 HFOV，也会扩大覆盖范围。

输出分辨率决定这片范围用多少像素表示，场景 GeoTIFF 的源分辨率决定可读取的影像细节。

3. 真实场景中的相机对比

下面的图使用 Amsterdam-1.tif 中同一个中心位置。所有 RGB 均由当前 SatelliteCamera.render_image() 生成，保持 448 × 448 输出。左上角地图中的彩框是地面 footprint，其余三个面板展示相应观测。

同一场景、不同高度和视场角下的覆盖范围与实际 RGB

A：h=50 m、HFOV=90°；B：h=100 m、HFOV=90°；C：h=50 m、HFOV=60°。三种设置的 heading 均为 0°，覆盖宽度分别约 100 m、200 m、57.7 m。

同一位置与相机尺度下改变 heading 的实际观测

固定 h=75 m、HFOV=90°，比较 heading 为 0°、45°、90° 的 footprint 与 RGB。朝向改变时，地面可见区域随视野框旋转，图像内容也随渲染变换旋转。

4. RGB 怎样生成

SatelliteCamera.render_image() 按以下顺序执行：

  1. 由高度、HFOV、宽高比和纬度尺度计算 footprint，再旋转四个角点，得到其轴对齐包围框。

  2. 检查旋转后的范围是否位于影像内，并读取能覆盖旋转过程的扩大窗口。

  3. 使用 OpenCV 按 heading 旋转窗口；从旋转结果中心裁出目标覆盖尺寸。

  4. 缩放到配置的 WIDTH × HEIGHT，返回 (H, W, 3)、uint8 RGB。

方形视野在 0° 和 90° 时覆盖同一个正方形，但输出图像方向不同；45° 时，footprint 的轴对齐包围框更大。图中的 footprint 表示实际旋转后的四边形，读取窗口使用其包围范围。

5. 动作如何更新位置和朝向

heading \(\theta\) 从正北 0° 顺时针增加，90° 为正东。一次地面距离为 \(d\) 的前进，在当前位置纬度对应的尺度 \(k\) 下更新：

\[ x'=x+kd\sin\theta,\qquad y'=y+kd\cos\theta. \]

标准配置使用 \(d=10\) m、转向角 \(\beta=15°\)。左转更新为 \(\theta-\beta\)，右转更新为 \(\theta+\beta\)，角度归一化到 \([0°,360°)\)。四个基础动作保持高度不变。

边界处理包含两步：is_navigable() 按相机高度和宽高比计算地图内缩区域，决定是否接受新位置；渲染器再检查旋转后窗口的实际边界。前进候选位置未通过前一步时保持原位，该动作仍消耗一个 step。渲染窗口越界时会返回错误，Viewer 或评测记录可用于定位对应状态。

6. 相对位姿表达什么

agent_pose 返回：

[delta_forward_m, delta_right_m, sin(delta_heading), cos(delta_heading)]

位移以起点为原点，沿初始朝向的 forward / right 轴分解。当前代码先用经纬度差和中间纬度的球面局部近似计算向东、向北位移 \(\Delta E,\Delta N\)，再按初始 heading \(\theta_0\) 旋转：

\[ \Delta f=\Delta N\cos\theta_0+\Delta E\sin\theta_0,\qquad \Delta r=\Delta E\cos\theta_0-\Delta N\sin\theta_0. \]

例如起始朝向正东，向东移动 10 m 后，forward 约为 10 m、right 约为 0 m。随后原地右转 90°，位移分量保持不变，朝向编码变为约 [1, 0]。使用 sin/cos 让相近朝向在跨越角度边界时仍具有相近表示。

实现入口：SatelliteCamera、SatSim、GeoUtils、AgentPoseSensor、lonlat_to_ego_displacement。运行和可视化见Viewer，接口参数见Core API。