BEVLoc：基于鸟瞰视角合成的跨视图定位与匹配

地面到航空图像的匹配是户外机器人中的关键且具有挑战性的任务，尤其是在GPS不可用或不可靠时。类似建筑物或大型密集森林等结构会产生干扰，需GNSS替换以获取全局定位估计。真正的难点在于解决地面图像与空中图像之间的视角差异，以实现可接受的定位。借鉴自动驾驶领域的思路，我们提出一种新框架，用于合成鸟瞰视角(BEV)场景表示，以匹配和定位于离野外环境中的航空地图。我们利用带有领域特定硬负样本挖掘的对比学习训练网络，以学习合成BEV与航空地图之间的相似表示。在推理期间，BEVLoc通过粗到细匹配策略引导识别航空地图中最可能的定位。我们的结果在极具挑战性的森林环境中展现出有限语义多样性的前景性初始成果。我们分析了模型在粗匹配和细匹配方面的性能，评估了模型的原始匹配能力以及作为GNSS替换的性能。我们的工作涉及离野地图定位，同时为未来在定位方面的发展建立了基准基准。我们的代码可在 https://github.com/rpl-cmu/bevloc 获取。