Game4Loc：基于游戏数据的无人机地理定位基准

基于视觉的无人机 地理定位技术作为全球导航卫星系统 (GNSS) 之外的辅助 GPS 信息源，在 GPS 拒止环境中仍能独立运行。近期基于深度学习的方法将其视为图像匹配与检索任务。通过在带有地理标签的卫星图像数据库中检索无人机视角图像，可以获得近似的定位信息。然而，由于高昂的成本和隐私问题，通常很难从连续区域获取大量无人机视角图像。现有的无人机视角数据集大多由小规模航拍图像组成，且强烈假设对于任何查询都存在完美的一对一配准参考图像，这与实际定位场景存在显著差距。在本工作中，我们利用现代计算机游戏构建了一个大范围连续区域的无人机地理定位数据集，命名为 GTA-UAV，该数据集具有多种飞行高度、姿态、场景和目标。基于该数据集，我们引入了一种更实用的无人机地理定位任务，包含跨视角配对数据的部分匹配，并将图像级检索扩展为以距离（米）为单位的实际定位。对于无人机视角和卫星视角配对的构建，我们采用了一种基于权重的对比学习方法，在避免额外后处理匹配步骤的同时实现了有效学习。实验证明了我们的数据和训练方法对无人机地理定位的有效性，以及对真实世界场景的泛化能力。