基于相关性感知单应估计的细粒度跨视角地理定位
计算机视觉与模式识别
2023-09-01 v1
摘要
本文提出一种细粒度跨视角地理定位的新方法。我们的方法利用单应估计将一幅扭曲的地面图像与覆盖同一区域、带 GPS 标签的卫星图像对齐。我们首先采用遵循几何原理的可微球面变换,精确将地面图像的视角与卫星地图对齐。该变换有效将地面与航拍图像置于同一视角与同一平面,从而将任务化简为图像对齐问题。为应对遮挡、重叠范围小和季节变化等挑战,我们提出一种稳健的相关性感知单应估计器,将变换后地面图像的相似部分与卫星图像对齐。我们的方法通过单应矩阵将变换后地面图像的中心点映射到卫星图像,并利用中轴线上方一点确定地面相机朝向,实现了亚像素分辨率与米级 GPS 精度。我们的方法以 30 FPS 速度运行,优于当前最优技术:在 VIGOR 基准的同区域与跨区域泛化任务中平均度量定位误差分别降低 21.3% 与 32.4%,在 KITTI 基准同区域评测中降低 34.4%。
引用
@article{arxiv.2308.16906,
title = {Fine-Grained Cross-View Geo-Localization Using a Correlation-Aware Homography Estimator},
author = {Xiaolong Wang and Runsen Xu and Zuofan Cui and Zeyu Wan and Yu Zhang},
journal= {arXiv preprint arXiv:2308.16906},
year = {2023}
}
备注
19 pages. Reducing the cross-view geo-localization problem to a 2D image alignment problem by utilizing BEV transformation, and completing the alignment process with a correlation-aware homography estimator. Code: https://github.com/xlwangDev/HC-Net