一种跨视图地理定位方法及装置制造方法及图纸

本发明专利技术公开了一种跨视图地理定位方法及装置。将无人机图像输入孪生网络模型的第一个孪生子网络，得到无人机图像的嵌入向量特征；将卫星图像输入孪生网络模型的第二个孪生子网络，得到卫星图像的嵌入向量特征；将无人机图像嵌入向量特征和卫星图像嵌入向量特征输入至SDCL损失函数中，计算两者之间的损失，通过梯度回传进行训练，训练结束后得到最优孪生网络模型；将实时无人机图像输入最优孪生网络模型，得到匹配的卫星图像。本发明专利技术引入了对称的解耦对比学习损失，通过最大化正样本之间的相似度和最小化负样本之间的相似度来学习有效的表示，有效缓解了正负样本不平衡的问题，提升了网络对于正负样本的学习能力，提高了跨视图地理定位的匹配效果。

【技术实现步骤摘要】

本专利技术涉及跨视图地理定位，尤其涉及一种跨视图地理定位方法及装置。

技术介绍

1、通常的定位方法依赖于卫星gps信号，但在人群密集的城市或偏远的森林中，gps信号通常很弱，从而导致定位不准确。因此，为了满足高精度地理定位的需求，跨视图地理定位技术应运而生。

2、跨视图地理定位通过比较和分析来自不同视角的图像相似度(如无人机图像和卫星图像)，利用卫星图像中包含的地理位置信息实现对无人机目标对象的定位。具体来说，将无人机视角图像作为输入，系统会找出与无人机图像最为相似的卫星图像，并通过卫星图像的地理信息来确定无人机的位置。

3、然而，无人机图像和卫星图像之间存在较大的视觉差异，导致匹配效果不佳。此外，无人机图像和卫星图像之间的正负样本比例不均衡，如何有效地平衡正负样本是一个挑战。现有技术通常通过将无人机图像进行透视投影变换，将其转化为与卫星图像相似的视角以便匹配，但这种直接的几何转换并进行蛮力的特征匹配，效果往往并不理想。

技术实现思路

1、本专利技术通过提供一种跨视图地理定位方法及装置本文档来自技高网...

【技术保护点】

1.一种跨视图地理定位方法，其特征在于，包括：

2.如权利要求1所述的跨视图地理定位方法，其特征在于，在所述将训练无人机图像输入初始孪生网络模型的第一个孪生子网络中，得到所述训练无人机图像的嵌入向量特征之前，还包括：

3.如权利要求1所述的跨视图地理定位方法，其特征在于，所述初始孪生网络模型中的第一个孪生子网络和第二个孪生子网络的权重是共享的。

4.如权利要求1所述的跨视图地理定位方法，其特征在于，所述初始孪生网络模型中的第一个孪生子网络和第二个孪生子网络为DaViT。

5.一种跨视图地理定位装置，其特征在于，包括：p>

6.如权利...

【技术特征摘要】

1.一种跨视图地理定位方法，其特征在于，包括：

2.如权利要求1所述的跨视图地理定位方法，其特征在于，在所述将训练无人机图像输入初始孪生网络模型的第一个孪生子网络中，得到所述训练无人机图像的嵌入向量特征之前，还包括：

3.如权利要求1所述的跨视图地理定位方法，其特征在于，所述初始孪生网络模型中的第一个孪生子网络和第二个孪生子网络的权重是共享的。

4.如权利要求1所述的跨视图地理定位方法，其特征在于，所述初始孪生网络模型中的第...

【专利技术属性】
技术研发人员：何丽华，於新国，于胜杰，洪亮，周音彤，吕竞帆，覃学洪，翁天杨，
申请(专利权)人：湖北省地理国情监测中心，
类型：发明
国别省市：