计算机应用

作者：周金坤, 王先兰, 穆楠, 王晨

单位：1.武汉邮电科学研究院, 武汉 430074；2.四川师范大学 计算机科学学院, 成都 610101；3.南京烽火天地通信科技有限公司, 南京 210019

关键词：无人机图像定位,跨视角图像匹配,地理定位,度量学习,深度学习

基金：国家自然科学基金资助项目(62006165)

针对现有跨视角图像匹配算法精度低的问题，提出了一种基于多视角多监督网络（MMNet）的无人机（UAV）定位方法。首先，所提方法融合卫星视角和UAV视角，在统一的网络架构下学习全局和局部特征并以多监督方式训练分类网络并执行度量任务。具体来说，MMNet主要采用了重加权正则化三元组损失（RRT）学习全局特征，该损失利用重加权和距离正则化加权策略来解决多视角样本不平衡以及特征空间结构紊乱的问题。同时，为了关注目标地点中心建筑的上下文信息，MMNet对特征图进行方形环切割来获取局部特征。然后，分别用交叉熵损失和RRT执行分类和度量任务。最终，使用加权策略聚合全局和局部特征来表征目标地点图像。通过在当前流行的UAV数据集University-1652上进行实验，可知MMNet在UAV定位任务的召回率Recall@1 （R@1）及平均精准率（AP）上分别达到83.97%和86.96%。实验结果表明，相较于LCM、SFPN等方法，MMNet显著提升了跨视角图像的匹配精度，进而增强了UAV图像定位的实用性。

来源：2022年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第10期