.png){kind=icon}
返回
VL-MFL: UAV Visual Localization Based on Multisource Image Feature Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2024.3383509.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
获得地球固定坐标是长距离无人机 (UAV) 飞行的基本要求。全球导航卫星系统 (gnss) 是最常见的定位模型，但其信号容易受到障碍物和复杂电磁环境的干扰。针对这一问题，提出了一种基于多源图像特征学习的视觉定位框架 (vl-mfl)。在所提出的框架中，通过将机载图像映射到具有绝对坐标位置的卫星图像来定位UAV。首先，针对无人机和卫星图像成像环境不同导致的异质性问题，提出了一种基于3-D注意力机制的轻量级连体网络，用于从多源图像中提取一致性特征。其次，为克服传统卷积神经网络接受域较大导致定位不准确的问题，引入元胞划分策略，加强多源图像特征的位置映射关系。最后，基于相似性度量建立了置信度评估机制，提出了搜索区域预测方法，有效提高了匹配定位的精度和效率。为了评估所提出框架的定位性能，对几种相关方法进行了详细的比较和分析。在真实数据集上的实验结果表明，该方法具有较好的定位精度和实时性。
Keyword:
Feature extraction
Location awareness
Autonomous aerial vehicles
Visualization
Drones
Satellite images
Image matching
Deep learning
image matching
unmanned aerial vehicle (UAV)
Vicinagearth security
visual localization
期刊
IF:
8.6
论文数:
2.1W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
AutoMorph: Automated Retinal Vascular Morphology Quantification Via a Deep Learning PipelineAutoMorph: 通过深度学习管道自动量化视网膜血管形态
OAAI
OAAI分享收藏An Oblique-Robust Absolute Visual Localization Method for GPS-Denied UAV With Satellite Imagery一种具有卫星影像的GPS拒绝无人机的倾斜鲁棒绝对视觉定位方法
PREAI
分享收藏分享收藏分享收藏A New Sample Consensus Based on Sparse Coding for Improved Matching of SIFT Features on Remote Sensing Images一种新的基于稀疏编码的样本一致性，用于改进遥感图像的SIFT特征匹配
PREAI
分享收藏
查看更多内容