基于语境增强的 GPS 禁区无人机自定位
计算机视觉与模式识别
2025-02-18 v1
摘要
图像检索已被用于解决无人机（UAV）自定位挑战的稳健补充技术。然而，大多数现有方法主要关注通过复杂的基于部件的表示来定位UAV捕获的物体，往往忽视了与UAV自定位相关的独特挑战，如细粒度空间判别需求和动态场景变化。为此，我们提出了一种针对UAV自定位任务的上下文增强方法（CEUSP）。CEUSP集成了动态采样策略（DSS），以高效选择最优负样本；同时，融合 Rubik's Cube 注意力（RCA）模块和基于语境的通道集成（CACI）模块，通过利用维度间相互作用来增强特征表示和判别能力，灵感来自Rubik's Cube的旋转力学。大量实验验证了所提方法的有效性，证明了其在复杂城市环境中实现特征表示和UAV自定位精度方面的显著提升。我们的做法在专为稠密城市环境设计的 DenseUAV 数据集上实现了最新性能，也在广为人知的 University-1652 数据集上取得了具竞争力的结果。
引用
@article{arxiv.2502.11408,
title = {Precise GPS-Denied UAV Self-Positioning via Context-Enhanced Cross-View Geo-Localization},
author = {Yuanze Xu and Ming Dai and Wenxiao Cai and Wankou Yang},
journal= {arXiv preprint arXiv:2502.11408},
year = {2025}
}
备注
11 pages