研究人员开发了TACO，这是一个新管线，它将惯性测量单元（IMU）数据与细粒度的跨视图地理定位（CVGL）紧密集成，可在没有连续GNSS信号的情况下实现精确的定位。该系统旨在在GNSS不可靠的环境中提供准确的位置修复，例如城市峡谷或信号干扰区域。TACO在KITTI数据集上展示了绝对轨迹误差的显著降低，从97.0米提高到16.3米，同时保持了较低的计算成本。 AI
影响 提高了在GNSS受限环境中的定位精度，可能对自主导航系统产生影响。
排序理由 这是一篇详细介绍新的地理定位方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.03315v1 Announce Type: new Abstract: Cross-View Geo-localisation (CVGL) matches ground imagery against satellite tiles to give absolute position fixes, an alternative to GNSS where signals are occluded, jammed, or spoofed. Recent fine-grained CVGL methods regress sub-t…
Cross-View Geo-localisation (CVGL) matches ground imagery against satellite tiles to give absolute position fixes, an alternative to GNSS where signals are occluded, jammed, or spoofed. Recent fine-grained CVGL methods regress sub-tile metric pose, but have only been evaluated as…