从水平到旋转：基于姿态感知的跨视图目标地理定位
计算机视觉与模式识别
2026-03-17 v1
摘要
跨视图目标地理定位（CVOGL）旨在从地面或无人机视角精确定位查询对象的地理坐标，依据卫星地图进行参考。基于分割的方法提供高精度，但需要昂贵的像素级标注；而基于检测的方法标注成本更低，却精度较低。这种检测精度差异主要由两个因素导致：水平边界框（HBoxes）对于有向目标的几何适配性差，以及由于特征图缩放导致的精度下降。为此，我们提出利用旋转边界框（RBoxes）作为检测范式的自然延伸。RBoxes对有向目标提供更紧密的几何适配。基于此，我们引入OSGeo，一个新颖的地理定位框架，精心设计了多尺度感知模块和姿态敏感头，以准确回归RBoxes。为支持这一方案，我们还构建并发布了CVOGL-R，首个具备精确RBox标注的CVOGL数据集。广泛的实验表明，我们的OSGeo实现了最先进的性能，始终以精准匹配甚至超过领先的分割方法的精度，标注成本则低于其一个数量级。
引用
@article{arxiv.2603.14856,
title = {From Horizontal to Rotated: Cross-View Object Geo-Localization with Orientation Awareness},
author = {Chenlin Fu and Ao Gong and Yingying Zhu},
journal= {arXiv preprint arXiv:2603.14856},
year = {2026}
}