基于全景-鸟瞰图协同检索的跨视图图像地理定位

跨视图地理定位通过匹配带地理坐标的卫星图像数据库来识别街景图像的地理位置。由于视图之间的显著外观和几何差异，面临诸多挑战。本文提出了一种新的跨视图图像地理定位方法，即全景-鸟瞰图协同检索网络。具体而言，利用地面平面假设和几何关系，将街景全景图像转换为鸟瞰视角，从而缩小街景全景与卫星图像之间的差距。在现有的街景全景图像和卫星图像检索中，我们引入鸟瞰视角和卫星图像检索分支进行协作检索。通过保留原始街景检索分支，我们克服了鸟瞰表示受限感知范围的问题。我们的网络实现了对街景捕获位置的全局布局和局部细节的全面感知。此外，我们引入了CVGlobal—a 个接近真实场景的全局跨视图数据集。该数据集采用更现实的设置，街景方向不与卫星图像对齐。CVGlobal还包括跨区域、跨时间和街景到图检索测试，能够全面评估算法性能。在诸多常见跨视图数据集上进行测试，包括CVUSA、CVACT、VIGOR以及我们新引入的CVGlobal，本方法超过了当前最先进的方法。代码和数据集可在\url{https://github.com/yejy53/EP-BEV}找到。