面向无人机至卫星跨视图地理定位的尺度感知方法：一种语义几何方法

无人机图像与卫星图像之间的跨视图地理定位（CVGL）在目标定位和无人机自定位中发挥着关键作用。然而，大多数现有方法依赖于无人机查询图像与卫星图库之间尺度一致性的理想化假设，忽略了实际场景中常见的严重尺度模糊问题。这种差异导致视场错位和特征不匹配，显著降低了CVGL的鲁棒性。为解决此问题，我们提出了一种几何框架，通过语义锚点从单目无人机图像中恢复绝对度量尺度。具体而言，利用特征尺度分布相对稳定且检测灵敏的小型车辆（SVs）作为度量参考。引入一种解耦立体投影模型，用于从这些语义目标估计绝对图像尺度。通过将车辆维度分解为径向和切向分量，该模型补偿了3D车辆2D检测中的透视畸变，从而实现更精确的尺度估计。为进一步减少类别内尺寸变异和检测噪声，采用基于四分位范围（IQR）的鲁棒聚合策略进行双维度融合。估计得到的全局尺度用作尺度自适应卫星图像裁剪的物理约束，提高了无人机至卫星特征的对齐效果。在增强版DenseUAV和UAV-VisLoc数据集上的实验表明，所提方法在未知无人机图像尺度条件下显著提升了CVGL的鲁棒性。该框架还展现出面向被动无人机高度估计和3D模型尺度恢复等下游应用的强大潜力。