Hi^2-GSLoc: 面向遥感的双层次高斯特定视觉重定位

视觉重定位通过查询图像估计6自由度(6-DoF)相机位姿，是遥感和无人机应用的基础。现有方法存在固有权衡：基于图像检索和位姿回归的方法精度不足，而将查询图像配准到运动恢复结构(SfM)模型的基于结构的方法则受限于计算复杂度和可扩展性。这些挑战在遥感场景中尤为突出，原因在于大规模场景、高度变化以及现有视觉先验的域差异。为克服这些限制，我们利用3D高斯泼溅(3DGS)作为一种新颖的场景表示，它紧凑地编码了3D几何和外观。我们引入$\mathrm{Hi}^2$-GSLoc，一种遵循从稀疏到密集、从粗到细范式的双层次重定位框架，充分利用高斯基元中蕴含的丰富语义信息和几何约束。为处理大规模遥感场景，我们集成了分区高斯训练、GPU加速并行匹配和动态内存管理策略。我们的方法包含两个阶段：(1) 稀疏阶段，采用高斯特定的一致渲染感知采样策略和地标引导检测器，实现鲁棒且准确的初始位姿估计；(2) 密集阶段，通过从粗到细的密集光栅化匹配迭代优化位姿，同时融入可靠性验证。通过在仿真数据、公开数据集和真实飞行实验上的全面评估，我们证明了该方法在有效过滤不可靠位姿估计的同时，提供了具有竞争力的定位精度、召回率和计算效率。结果证实了我们的方法在实际遥感应用中的有效性。