SASGeo：面向GNSS拒止无人机的稳定性感知语义地图定位框架及合成概念验证

在GNSS拒止环境下，无人机通常依赖视觉惯性里程计（VIO）进行导航，但VIO存在累积漂移问题，需要偶尔的绝对位置修正来约束误差。传统的跨视角图像检索方法虽然可以提供这样的修正，但原始图像外观对季节、光照、视角、地图时效和传感器模态非常敏感，导致其鲁棒性不足。针对这一挑战，Natalia Trukhina等人提出了SASGeo（Stability-Aware Semantic Map Localization）框架，该框架利用道路、建筑物、水道、铁路、交叉口和地块边界等持久性地理结构来表示环境，从而实现稳定的语义地图匹配。SASGeo结合了多种关键技术：语义栅格对齐（semantic raster alignment）、关系图证据（relational graph evidence）、特征稳定性与地理区分性（feature stability and geographic distinctiveness）、明确的正面/矛盾/未知观测（explicit positive/contradictory/unknown observations），以及完整性感知的歧义修正拒绝（integrity-aware rejection of ambiguous fixes）。与仅提供架构设计的方案不同，该论文具体化了加权和决策模型，并报告了可重复的合成概念验证结果。在220次随机检索试验中，研究者模拟了旋转、尺度变化、部分裁剪、遮挡、地图变化和硬语义诱饵等多种扰动。全局语义描述符的Recall@1仅为58.6%，而空间语义匹配变体则达到了94.5-95.5%。Wilson 95%置信区间将全局描述符与空间变体显著分开，但空间变体之间重叠，因此实验有力地支持了语义几何的有效性，但未能证明每个提议模块的绝对优势。初步实验并未验证实际飞行导航，而是证明了结构化语义几何能够在受控的跨视角扰动下有效区分位置，并指出了未来需要更难的混叠、地图老化和拒绝测试。该论文已提交至arXiv，代码和数据尚未公开，但其为GNSS拒止无人机的定位研究提供了极具前景的新方向，值得持续关注。