面向鲁棒无人机热成像—卫星图像地理定位的结构感知匹配

基于摘要分析。本文研究在 GNSS 不可用及低能见度条件下，通过匹配无人机实时热成像与地理配准卫星图像实现地理定位。作者提出 Structure-Aware Matching Framework（SAMF），利用两种成像模态共享的稳定场景结构，缓解颜色、亮度及视角差异造成的匹配困难。 机制上，Directional Structure Enhancement Module（DSEM）通过捕获方向性与低频空间模式增强结构表征；随后，Modality-Aware Affine Remapping Module（MARM）对增强后的特征进行仿射校正，以促进跨模态对齐。相较于摘要所述主要处理全局模态偏移的既有方法，本文强调显式利用跨模态不变的场景结构。模块具体实现、优化目标及训练与推理流程尚未验证。 作者另提出由 Thermal-UAV 数据集衍生的 Thermal-UAV-Paired 基准。作者报告，SAMF 在 Boson-nighttime 和 Thermal-UAV-Paired 上达到最先进性能，消融实验支持 DSEM 与 MARM 的有效性及互补作用；但摘要未提供评价指标、数值、数据划分或对照方法，因此尚不能判断优势幅度与适用边界，实验协议、消融及统计信息尚未验证。作者声明已公开代码与数据，其可访问性及复现条件尚未核验。 本文的主要对象是无人机跨模态视觉地理定位，并非 EEG 或 BCI。材料未提供面向神经信号的独立机制对应或验证结果，不能将其视觉匹配性能解读为 BCI 有效性的证据。