Video2BEV：将无人机视频转换为BEV用于基于视频的地理定位
计算机视觉与模式识别
2025-07-29 v4
摘要
现有的无人机视觉地理定位方法主要采用图像基准设置，即将单个无人机视图与来自其他平台的图像进行匹配。然而，这种任务表述未充分利用无人机的天然视频输出，且对遮挡和视点差异敏感。为解决这些限制，我们提出了新的基于视频的无人机地理定位任务，并构建Video2BEV范式。该范式将视频转换为鸟瞰视图（BEV），从而简化后续的跨平台匹配过程。具体而言，我们采用高斯溅射（Gaussian Splatting）重建3D场景并获得BEV投影。与现有变换方法（如极坐标变换）不同，我们的BEV保留了更多细粒度细节且无显著畸变。为促进判别性内部分表示学习，我们的Video2BEV范式还包含一个基于扩散模型的模块，用于生成硬性负样本。为验证我们的方法，我们引入UniV，一个新的基于视频的地理定位数据集，扩展了基于图像的University-1652数据集。UniV特点是以和仰角飞行的路径，帧率提升至每秒最高10帧（FPS）。在UniV数据集上的大量实验表明，我们的Video2BEV范式实现了竞争性的召回率，并优于常规基于视频的方法。与其他竞争方法相比，我们的方法在较低仰角下更具鲁棒性，遮挡更严重。
引用
@article{arxiv.2411.13610,
title = {Video2BEV: Transforming Drone Videos to BEVs for Video-based Geo-localization},
author = {Hao Ju and Shaofei Huang and Si Liu and Zhedong Zheng},
journal= {arXiv preprint arXiv:2411.13610},
year = {2025}
}