技术定义与核心价值
跨视角图像匹配的地面图像精细定向定位是一种高精度地理定位技术。通过将地面查询图像（如全景图或透视投影图）与带有地理坐标参考的卫星图像进行匹配，在已知粗略位置先验的基础上，解算精确二维坐标（亚米级）与偏航角（亚度级）。
该技术在GNSS拒止环境（城市峡谷、高架桥下）提供不依赖基础设施的绝对定位方案，广泛应用于自动驾驶、移动机器人导航、应急救援等领域。
技术分类体系
基于街景数据库
- 视角一致，匹配相对容易
- 数据库更新慢、覆盖范围受限
- 依赖商业平台，数据获取受限
跨视角图像定位
- 卫星图像广域覆盖且更新频繁
- 地面图像易于获取，成本低
- 视角差异巨大，匹配难度高
跨视角定位细分
粗定位（检索）
解决"我在哪座城市"的问题，误差数十米，适合全球范围检索。
精细定位（本研究焦点）⭐
在已知粗略位置下，解算亚米级坐标与亚度级偏航角。
五大核心挑战
1 极端视角差异
地面图像为水平透视投影，卫星图像为垂直正射投影，视角差异达90°，导致同一场景的外观完全不同。
2 语义信息缺失
地面图像包含建筑立面、广告牌等垂直结构，而卫星图像仅显示屋顶和道路，语义信息严重不对称。
3 尺度与分辨率差异
地面图像分辨率高但视野窄（通常<100m），卫星图像分辨率低但覆盖广（通常>1km²），尺度差异显著。
4 时空动态变化
地面图像与卫星图像采集时间不同，场景中的车辆、行人、季节性植被等动态元素造成干扰。
5 遮挡与光照影响
地面图像受建筑遮挡、阴影、光照条件影响严重，而卫星图像受云层、大气散射影响，增加了匹配难度。
技术路线演进
第一代：手工特征匹配
基于SIFT、SURF等手工特征，通过特征点匹配建立地面-卫星图像对应关系。
局限：对视角变化敏感，匹配成功率低（<30%）
第二代：深度学习特征提取
采用孪生网络（Siamese Network）学习跨视角不变特征，通过度量学习缩小特征空间距离。
改进：匹配成功率提升至60~70%，但定位精度仍在米级
第三代：端到端回归定位
直接回归地面图像的坐标与偏航角，采用CNN或Transformer架构，结合注意力机制聚焦关键区域。
突破：定位精度达到亚米级（0.5~2m），偏航角精度<5°
第四代：多模态融合与几何约束
融合语义分割、深度估计、3D重建等多模态信息，引入几何一致性约束（如极线约束、透视投影模型）。
SOTA：定位精度达到0.2~0.5m，偏航角精度<2°，鲁棒性显著提升