一种用于跨视图无人机定位的对象检测：图匹配网络作为可选基准

随着低空经济的快速发展，无人机在巡逻系统中的测量和跟踪领域日益重要。然而，在 GNSS 禁区，卫星定位方法容易失败。本文提出了一种针对跨时相、跨视图、异构航空图像匹配问题的跨视图无人机定位框架，通过对象检测进行地图匹配，以有效解决上述问题。在典型流程中，无人机视觉定位被建模为图像检索问题：提取特征构建定位地图，通过匹配到具有已知姿态的数据库来估计查询图像的姿态。由于公开的无人机定位数据集有限，许多方法会重新表述为分类任务，依赖这些数据集中的场景标签来确保准确性。其他方法则寻求使用极坐标重投影、透视变换或生成对抗网络来减少跨域差异；然而，这些方法可能 suffer from 对齐问题、内容丢失和现实感受限。在本工作中，我们利用现代对象检测准确地从无人机和卫星图像中提取显著实例，并集成图神经网络来推理图像间和图像内的节点关系。通过基于图的细粒度节点相似度度量，我们的方法在检索和定位性能方面表现优异。在公开数据集和真实世界数据集上的大量实验表明，我们的方法能有效处理异构外观差异，具有良好的泛化能力，可应用于更大模态差距的场景，如红外-可见图像匹配。本数据集将在以下 URL 公开: https://github.com/liutao23/ODGNNLoc.git。