基于学习嵌入的卫星图像定位

我们提出了一种基于视觉的方法，利用公开可用的卫星图像作为唯一的环境先验知识对地面车辆进行定位。我们的方法以车辆在导航过程中获取的地面图像序列作为输入，输出车辆相对于地理参考卫星图像的位姿估计。我们通过一个神经多视角模型克服了图像之间显著的视角和外观变化，该模型学习位置判别性嵌入，将地面图像与其对应的场景卫星视图进行匹配。我们将这一学习到的函数作为滤波框架中的观测模型，以维持车辆位姿的分布。我们在不同的基准数据集上评估了我们的方法，并证明了其能够将地面图像定位在相对于训练为新颖的环境中，尽管存在显著的视角和外观变化挑战。