SCC-Loc：面向无人机热力地理定位的统一语义级联共识框架

跨模态热力地理定位（TG）为在全球导航卫星系统（GNSS）被剥夺的环境下提供无人机的鲁棒解决方案，但深刻的热力-可见模态差距引入严重的特征歧义，系统性地破坏了常规的粗到细配准。为破解这一瓶颈，我们提出了SCC-Loc，即统一语义级联共识定位框架。通过在全局检索和MINIMA$_{\text{RoMa}}$匹配中共享单一DINOv2主干网络，最小化内存占用，实现零样本、高度精确的绝对位置估计。具体而言，我们通过引入三个协调组件来解决模态歧义。首先，我们设计了语义导向视窗对齐（SGVA）模块，以自适应优化卫星裁剪区域，有效纠正初始空间偏差。其次，我们发展了级联空间自适应纹理-结构过滤（C-SATSF）机制，显式强制几何一致性，从而根除密集的跨模态离群点。最后，我们提出基于共识的可靠性感知位置选择（CD-RAPS）策略，通过物理约束的姿态优化求得最优解。为解决数据匮乏问题，我们构建了Thermal-UAV数据集，提供11,890个多样化热力查询，参照大规模卫星正射照片及对应的空间对齐数字地表模型（DSM）。大量实验表明，SCC-Loc建立了新的状态突破，使平均定位误差降至9.37米，在严格5米阈值下实现最强基线的7.6倍精度提升。代码和数据集均已公开于https://github.com/FloralHercules/SCC-Loc。