Geolocalización cross-view sensible a la trayectoria mediante observaciones secuenciales | Cómo mejorar la precisión de ubicación visual usando secuencias de imágenes | IA para navegación autónoma y emparejamiento de mapas satelitales con vistas terrestres

Abstract

PROBLEMA: La geolocalización tradicional de imágenes suele fallar al intentar emparejar vistas a nivel del suelo con imágenes satelitales debido a cambios extremos de perspectiva y oclusiones. SOLUCIÓN: El paper propone un método que utiliza observaciones secuenciales y el conocimiento de la trayectoria del vehículo para mejorar la precisión del posicionamiento. METODOLOGÍA: Emplea una red neuronal que integra una memoria recurrente para filtrar falsos positivos espaciales mediante la consistencia geométrica de la ruta seguida. RESULTADOS: Logra una mejora notable en la precisión de localización en los datasets CVUSA y CVACT, demostrando robustez incluso en entornos urbanos densos. RELEVANCIA: Altamente relevante para sistemas de navegación autónoma y seguimiento de activos espaciales y terrestres sin dependencia total de GPS.