BEVRender：无 GNSS 越野环境下的基于视觉的跨视角车辆配准

我们提出了 BEVRender，一种在拒止全球导航卫星系统（GNSS）越野场景下用于地面车辆定位的基于学习的新方法。由于缺乏显著的视觉地标以及车辆姿态的不稳定性，这些环境对传统的基于视觉的状态估计通常具有挑战性。为了解决这一问题，BEVRender 生成局部地形的高质量局部鸟瞰图（BEV）图像。随后，通过模板匹配将这些图像与地理参考的航空地图对齐，以实现精确的跨视角配准。我们的方法克服了视觉惯性里程计系统的固有局限性以及图像检索定位策略的巨大存储需求，这两者分别容易产生漂移问题和可扩展性问题。大量实验验证了 BEVRender 相对于现有 GNSS 拒止视觉定位方法的进步，在定位精度和更新频率上均展现出显著提升。