超越跨视角图像检索：利用卫星图像实现高精度车辆定位

本文通过匹配地面级图像与俯视卫星地图来解决车载相机定位问题。现有方法常将此问题视为跨视角图像检索，并使用学到的深度特征将地面级查询图像与卫星地图的一个分区（例如一个小块）匹配。通过这些方法，定位精度受限于卫星地图的划分密度（通常在数十米量级）。不同于图像检索的传统思路，本文提出一种可实现高精度定位的新方案。核心思想是将该任务表述为位姿估计并通过基于神经网络的优化求解。具体而言，我们设计了一个双分支CNN分别从地面与卫星图像提取鲁棒特征。为弥合巨大的跨视角域差距，我们借助基于相对相机位姿的几何投影模块将卫星地图特征投影至地面视角。为最小化投影特征与观测特征之间的差异，我们采用可微Levenberg-Marquardt（LM）模块迭代搜索最优相机位姿。整个流程可微且端到端运行。在标准自动驾驶车辆定位数据集上的大量实验证实了所提方法的优越性。值得注意的是，例如从40m x 40m宽区域内的相机位置粗估计出发，在新KITTI跨视角数据集上，以80%的可能性我们的方法可快速将横向位置误差缩小至5m以内。