《Drones》：TRACE-Loc: Causal Trajectory-Constrained Cross-View Localization for GNSS-Denied UAVs
编辑推荐：
无人机对卫星跨视角视觉定位（UAV-to-Satellite Visual Localization）能够在全球导航卫星系统（Global Navigation Satellite System，GNSS）信号被拒止或丢失时提供绝对位置观测。然而，在没有可靠初
无人机对卫星跨视角视觉定位（UAV-to-Satellite Visual Localization）能够在全球导航卫星系统（Global Navigation Satellite System，GNSS）信号被拒止或丢失时提供绝对位置观测。然而，在没有可靠初始位置的情况下，跨视角差异和重复纹理可能导致单帧检索（single-frame retrieval）跳变至遥远但视觉相似的区域。本文提出TRACE-Loc，一种面向初始定位的在线轨迹约束跨视角检索（trajectory-constrained cross-view retrieval）框架。研究人员采用带视角条件低秩适配（view-conditioned low-rank adaptation，VC-LoRA）的DINOv3前端（frontend），从全局卫星图库（satellite gallery）生成当前帧候选。在线重排序器（online reranker）利用航向（heading）、经过时间（elapsed time）和因果视觉速度（causal visual speed）投影近期位置假设，随后从当前检索结果与历史投影的并集中递归选择运动一致的路径。无历史投影的路径递归与对检索候选的束宽受限维特比解码（beam-width-limited Viterbi decode）一致，因此该方法可理解为束维特比（beam Viterbi）加因果候选投影。实验采用统一的15,130张UAV-VisLoc卫星瓦片图库及来自两个排除于训练和参数选择之外的区域的1215个查询。在三次独立训练中，TRACE-Loc将C@1从48.67 ± 0.41%提升至58.33 ± 2.84%，配对增益为9.66 ± 2.69个百分点；用于详细比较的单次代表性运行将C@1从49.05%提升至61.23%，中位定位误差从150.92 m降至93.75 m，D < 300 m从53.66%提升至70.62%。同一重排序器在六个检索前端上均提升C@1。在每次起点重置的冷启动（cold-start）评估中，TRACE-Loc在50、100和300 m阈值下将30秒内获得稳定定位的Kaplan–Meier概率较单帧检索分别提升2.33、9.27和5.89个百分点（配对分块自助法95%置信区间在每个阈值均排除零），而粒子滤波器（particle filter）取得统计上不可区分的早期定位概率并在更长观测周期内恢复更快；因此所报告增益涉及相对于单帧检索的空状态获取，而非相对于粒子滤波器的优势。这些结果表明，候选级轨迹约束在大图库中以毫秒级重排序开销改善逐帧定位，并提高早期稳定定位的概率。
一、研究背景与问题
无人机广泛应用于巡检、测绘、搜救和低空侦察等任务，这些任务均依赖可靠的绝对定位。户外场景下无人机通常依赖全球导航卫星系统（GNSS），但GNSS信号易受遮挡、干扰、欺骗和蓄意拒止影响。当GNSS不可靠时，导航须依赖机载传感器与先验地图维持。视觉或视觉惯性里程计可提供连续相对运动，但误差随时间累积。无人机对卫星跨视角视觉地理定位（UAV-to-satellite visual geolocalization）通过将机载图像与地理参考正射影像图匹配，可直接恢复全局位置。本研究聚焦于GNSS丢失后初始位置未知或不可靠时快速获取绝对位置的过程，即从空状态出发的初始定位。
初始无人机对卫星定位面临三大困难：其一，大区域全局搜索，无可靠先验位置时匹配无法局限于局部地图，对每张卫星瓦片独立进行局部对应或几何验证与快速在线定位不兼容；其二，跨视角域差异，无人机图像与正射卫星瓦片在高度、视角、分辨率、朝向、光照和纹理统计上差异显著，限制通用视觉位置识别（VPR）模型直接迁移；其三，弱纹理或重复纹理下的逐帧不稳定性，开阔水面等弱纹理区域缺乏显著结构，农田和海岸线常产生多个相似候选，直接接受单帧top-1检索会导致地图上的大跳变，无法提供稳定初始定位。
现有工作沿两个方向展开：第一类通过更强全局描述子、跨视角对比学习或基础模型适配提升跨视角检索，可扩展至大图库，但最终位置通常仍由逐帧top-1检索决定，对弱纹理或重复纹理下的瞬时错配敏感；第二类引入几何或时间约束，包括局部特征匹配、由粗到细配准、序列匹配和基于滤波的定位，可提升一致性，但常需有效初始位置、较长观测窗口或较大逐候选匹配开销，不完全契合快速初始定位需求。
二、研究内容与结论
针对上述问题，研究人员提出TRACE-Loc（TRajectory-Aware Cross-view rEtrieval Localization）框架。TRACE-Loc不改变底层跨视角检索任务，而是将检索结果视为在线定位的候选观测而非最终逐帧决策。每帧仍独立查询完整卫星图库，候选级状态更新将当前视觉相似度与相邻时间步间的运动关系结合，选择与飞行轨迹一致的位置。与相似度分数或检索排名的时间平均不同，该更新不等待未来图像对齐完整序列，因此支持无已知初始位置的因果逐帧定位。
TRACE-Loc在线更新由三个连接步骤组成：首先，跨视角检索前端查询航向对齐的无人机图像并返回top-K候选；随后，利用航向、经过时间和视觉速度将近期低成本状态投影至当前时刻，并与当前检索候选合并；最后，节点置信度与运动一致性更新有界候选路径集合，返回最低成本路径末端的卫星瓦片。历史投影使近期位置假设在暂时离开当前检索列表时仍可用，从而将单帧检索错误与连续定位输出分离。
在统一UAV-VisLoc全局图库上，候选级轨迹约束提升多个检索前端的逐帧定位性能。重置式冷启动评估进一步分离早期位置获取与长期恢复。与单帧检索相比，TRACE-Loc在50、100和300 m阈值下将30秒内获得稳定定位的Kaplan–Meier概率分别提升2.33、9.27和5.89个百分点（配对自助法95%置信区间在每个阈值均排除零），而粒子滤波器在更长观测周期内取得可比的早期获取概率和更短等待时间；研究结果因此不建立对粒子滤波器的优势。这一差异表明，快速候选获取与持续消除错误历史假设是初始定位的不同阶段。
主要贡献包括：将无可信初始位置的大区域无人机对卫星定位形式化为全局候选集上的因果路径选择，引入TRACE-Loc在线轨迹重排序框架；提出运动先验引导的历史候选投影机制，利用航向、经过时间和严格因果视觉速度传播近期位置假设，在单帧检索暂时遗漏有效位置时扩展可用状态集，投影较相同无投影递归将C@1提升11.93个百分点（61.23%对49.30%），纠正149个输出而仅损害4个；建立带删失观测的逐起点重置首次稳定定位协议，独立评估早期位置获取与长期恢复，揭示历史投影提高早期稳定定位概率但错误历史假设可延长困难起点的恢复时间。
三、关键技术方法
研究人员采用的主要技术方法包括：默认检索前端为冻结DINOv3 ViT-B/16骨干（LVD-1689M预训练权重）结合视角条件低秩适配（VC-LoRA），在最后六个Transformer块插入共享与视角特定低秩残差，描述子头融合GeM池化、空间注意力池化与CLS令牌；训练采用单向UAV→SAT多正样本InfoNCE目标，温度0.07；所有图库描述子预计算并存储于精确FAISS IndexFlatIP索引；视觉速度由相邻图像ORB特征匹配结合RANSAC部分仿射模型估计，经相对高度与相机内参换算；在线重排序将当前top-50检索候选与来自最近三个历史状态集各十个最低成本状态的投影候选合并，去重后保留至多80个状态，航向与速度权重分别为3.0和0.2。实验数据来自UAV-VisLoc数据集，包含中国11个地理分离区域，训练集4395帧（子集01、03、04、09、11及子集08的733帧），验证集1024帧（子集05、06及子集08剩余300帧），测试集1215帧（子集02的1071帧与子集10的144帧），统一图库含15,130张地理参考瓦片，地面采样距离0.619 m/像素。
四、研究结果
4.1 候选级轨迹重排序的总体效果
在相同top-50候选上，TRACE-Loc信念将C@1从49.05%提升至61.23%，中位误差从150.92 m降至93.75 m，D < 300 m提升16.96个百分点。粒子滤波器中位误差高2.63 m，信念在C@1和D < 300 m上分别高3.12和7.08个百分点。时间平均相似度分数表现显著较差。三次独立训练中，单帧检索平均C@1为48.67 ± 0.41%，TRACE-Loc为58.33 ± 2.84%，配对增益9.66 ± 2.69个百分点；投影阶段本身较相同无投影递归贡献8.07 ± 3.75个百分点。按序列分列，子集02的C@1从51.35%提升至62.28%，子集10从31.94%提升至53.47%。
4.2 跨检索前端的重排序效果
固定重排序器仅更换候选检索前端，六个前端经重排序后C@1增益介于2.72至22.88个百分点之间，表明候选级轨迹约束不依赖特定描述子，绝对性能仍受候选质量限制。
4.3 冷启动下的首次稳定定位
在1215个起点上，TRACE-Loc在50、100和300 m阈值下将30秒内稳定定位概率较单帧检索分别提升2.33、9.27和5.89个百分点（95%置信区间均排除零）。与粒子滤波器相比，两方法在30秒定位概率上统计不可区分，粒子滤波器在更长观测周期恢复更快。历史投影较无投影消融在100 m阈值下显著提升早期获取概率，但也延长错误路径持续时的恢复时间。
4.4 轨迹重排序增益来源
区域分析揭示三种不同机制：子集02陆地段top-50覆盖率96.19%，轨迹约束将C@1提升至86.38%；子集10覆盖率亦高但单帧C@1仅31.94%，重排序提升至53.47%，表明候选排序不稳定是主要问题；开阔水面top-50覆盖率仅13.95%，在线C@1为9.79%，限制因素为候选生成。无历史投影时C@1和D < 300 m分别为49.30%和54.40%，投影十个状态后提升至61.23%和70.62%。投影纠正149个C@1错误而仅改变4个正确输出。336帧当前top-50无强正样本，投影直接恢复其中28帧C@1和64帧D < 300 m。离散输出空间本身存在误差下限：始终报告距真值最近瓦片中心的预言机中位误差为48.27 m。折扣累积成本变体均显著降低逐帧精度，冻结配置λ=1仍为最优。
4.5 运动观测误差的影响
航向噪声标准差30°时C@1下降2.30个百分点；相对高度偏差±20 m内C@1变化不超过±0.64个百分点；完全视觉里程计（VO）丢失使C@1和D < 300 m分别下降1.56和2.47个百分点；速度噪声至10 m/s时C@1变化至多1.23个百分点。航向噪声同时施加于图像预对齐时，C@1在标准差10°时降至59.09%，30°时降至51.77%，表明航向噪声对投影影响温和但对北向预旋转影响显著。测试序列机动幅度小，逐帧转弯率中位数0.56°/s，90百分位1.61°/s，最大值6.15°/s。
4.6 在线计算开销
CPU重放中TRACE-Loc信念更新耗时1.913 ms，无投影变体0.174 ms，粒子滤波器0.483 ms，前向常速卡尔曼滤波器（CV-KF）0.051 ms。完整在线路径平均延迟187.17 ms，对应5.34帧/秒，其中图像读取38.5 ms、预处理76.4 ms、DINOv3编码17.4 ms、VO 51.7 ms、FAISS 1.3 ms、信念更新1.9 ms（1.02%）。吞吐量主要由图像解码、预处理和VO决定而非轨迹更新。将VO更新频率降至每五帧一次，C@1变化不大（61.23%至62.30%之间），保持加回退规则可可靠补偿跳过更新。
4.7 与轨迹级对齐（NaviLoc）的比较
在适配协议下，轨迹级对齐未优于逐帧检索。子集02上单帧top-1中位误差119.8 m，窗口对齐在N=40时中位误差773.6 m，更长窗口因积分视觉速度漂移累积而退化。诊断性实验（使用测试标签，非方法组成部分）以真值最优锚点重新初始化各窗口平移，N=40时中位误差145.2 m，表明视觉漂移下的锚点质量构成差距的实质部分。
五、讨论与结论
讨论部分指出，候选级轨迹约束的效果依赖当前候选集是否保留与真实位置相关的瓦片。候选覆盖率定义当前检索提供的搜索范围，历史投影决定早期状态能否在当前帧扩展该范围。投影增益不仅来自恢复当前检索遗漏的正确瓦片，还来自投影候选对后续路径选择的影响。错误投影可占用有限状态容量并延迟恢复，与冷启动分析中的长尾一致。离散输出空间本身施加误差下限，残余误差主要衡量瓦片误选而非表示质量。累积成本可抑制困难恢复期间的选择假设，折扣变体以早期持续性换取后期灵活性但均降低精度。航向噪声对投影影响温和但污染北向预旋转时影响显著，运营系统需依赖AHRS级航向源。测试序列机动幅度小，固定长度历史已相对保守，自适应重置可能适用于真正激进转弯的平台但数据未证明其收益。VO更新频率在测试序列上非敏感因素，部署可降低最大在线开销。
研究结论部分：在统一UAV-VisLoc全局图库上，候选级轨迹约束以毫秒级重排序开销提升多个检索前端的逐帧定位性能。重置式冷启动评估显示，与单帧检索相比，TRACE-Loc在50、100和300 m阈值下将30秒内获得稳定定位的Kaplan–Meier概率分别提升2.33、9.27和5.89个百分点（配对分块自助法95%置信区间在每个阈值均排除零），而粒子滤波器取得统计上不可区分的早期获取概率并在更长观测周期内恢复更快；所报告增益因此涉及相对于单帧检索的空状态获取，而非相对于粒子滤波器的优势。这些结果表明，候选级轨迹约束改善大图库中的逐帧定位并提高早期稳定定位概率，快速候选获取与持续消除错误历史假设是初始定位的不同阶段。
