低空多视角观测条件下无人机视觉定位的最佳方法探索：一个基准测试
计算机视觉与模式识别
2026-04-14 v2 机器人学
摘要
绝对视觉定位 (AVL) 使无人机 (UAV) 能够在 GNSS 不可用环境中通过建立 UAV 图像与带地理标签参考地图之间的几何关系来确定自身位置。虽然已有许多工作通过图像检索和匹配技术实现 AVL，但在低空多视角场景下的研究仍相对有限。低空多视角条件因视角变化极端而更具挑战性。为此，本文提出了该基准测试。首先构建了大型低空多视角数据集 AnyVisLoc，包含 18,000 张来自多个场景和高度的图像，以及包含航空测绘地图和历史卫星图的 2.5D 参考地图。其次，提出了统一框架集成最新的 AVL 方法并进行全面测试。选取最佳组合方法作为基线，深入分析影响定位精度的关键因素。该基线在低空、多视角条件下实现了 74.1% 的定位精度（误差在 5m 以内）。此外，本文引入了一种新型检索指标 PDM@K，以更好地契合 UAV AVL 任务的特征。总体而言，本基准测试揭示了低空、多视角 UAV AVL 的挑战，并为未来研究提供了有价值的指导。数据集和代码已在 https://github.com/UAV-AVL/Benchmark 上提供。
引用
@article{arxiv.2503.10692,
title = {Exploring the best way for UAV visual localization under Low-altitude Multi-view Observation Condition: a Benchmark},
author = {Yibin Ye and Xichao Teng and Shuo Chen and Leqi Liu and Kun Wang and Xiaokai Song and Zhang Li},
journal= {arXiv preprint arXiv:2503.10692},
year = {2026}
}
备注
Accepted by CVPRF 2026 (Findings of the Conference on Computer Vision and Pattern Recognition 2026)