RIM：无人机跨域全局视觉定位的检索匹配框架

使用遥感参考地图的无人机（UAV）全球视觉定位引起了越来越多的关注。然而，无人机和参考图像之间的采集时间和成像平台的差异会带来大量的跨域外观和视点变化，从而对稳健的六自由度 (6-DoF) 姿态估计提出了挑战。为了减轻这些变化，我们通过 Google 3D Tiles 跨位置、高度和方向渲染无人机视点参考。两阶段策略采用姿势接近的正值和地理上遥远的硬负值来调整沙拉；然后局部几何一致性对 Top-K 候选重新排序。我们进一步提出匹配检索（RIM），它冻结改编的 DINOv2-B 检索器 并从​​其标记字段和浅层 VGG19 细节流中提取本地描述符解码器。因此，一个查询端 DINOv2-B 主干转发支持 SALAD 检索和本地描述，消除了第二个基础模型主干，同时通过构造保留检索描述符。我们在重建的 EPFL Urbanscape 和自行收集的长安公园数据集上评估 RIM 零样本，这两个数据集在地理上与训练数据不相交。 RIM 的性能优于 10 个检索基线。在 25/50 m 的完整 3D 距离指标下，与 SALAD 相比，它在 EPFL 上将 Recall@1 提高了 8.55/13.77 个百分点，在 Park 上提高了 4.45/8.94 个百分点。在 Top-K=5 时，通过检索、候选匹配和鲁棒几何验证测量的在线查询路径需要 90.8 毫秒：比最强的单独稀疏匹配基线快 1.2 倍，比 RoMa 快 30 倍以上，同时保持相当的重排序精度。这些结果证明了在不可靠的卫星导航下高效的无人机全球视觉定位管道。源代码可在 https://github.com/curious-energy/RIM 获取。