建图图片与查询图片不可能完全一样（视角 / 光照 / 季节 / 动态物体差异）——这正是任务的全部难度所在
离线阶段：园区范围内采集一批图片，每张图片带有先验采集坐标（假设坐标已知，来源不限：GPS/RTK/SLAM/人工标注均可）。这批「图片 → 坐标」构成参考地图数据库。
在线阶段：输入一张新拍摄的照片，系统检索数据库中最相似的参考图片，输出该照片在园区地图上的位置估计。
与通用 VPR benchmark 的差异：范围小（园区级而非城市级）、参考图可自主控制采集密度与覆盖、坐标系可为本地平面坐标（非必须经纬度）。这些差异让任务比城市级 VPR 更容易，但园区内部相似场景（如成排的同类楼栋、相似的路侧绿化）可能造成感知混淆，需要几何验证兜底。
| 路线 | 核心思路 | 优点 / 局限 | 适用判断 |
|---|---|---|---|
| A. 免训练全局检索 | 预训练大模型（DINOv2 等）直接抽特征 + VLAD 聚合成全局描述子，余弦相似度最近邻 | 零训练、泛化极强、一天可出基线；描述子维度高、无几何校验时园区相似场景易混淆 | 首选起步 |
| B. VPR 专用模型 | SelaVPR / CricaVPR / EigenPlaces 等在街景级大数据上训练的 VPR 模型 | 检索精度当前最优、描述子紧凑；对园区非街景分布有域差，可能需微调 | 主力方案 |
| C. 检索 + 局部特征几何验证 | 全局检索取 Top-K 后，用 SuperPoint+LightGlue 做特征匹配 + RANSAC 校验，重排候选 | 显著抑制感知混淆（同类楼栋误匹配）；增加单次查询耗时 | 精度兜底 |
| D. 层级定位 / 位姿精化 | hloc 工具箱：SfM 重建稀疏 3D 地图 → 检索 → 2D-3D 匹配 → PixLoc 精化出 6DoF | 输出精确相机位姿（米级以下）；建图流程重、需要足够的图像重叠度 | 按精度需求选 |
| E. 位姿回归 | PoseNet 类网络端到端直接回归坐标 | 推理最快；泛化差、换园区要重训，园区级小数据易过拟合，学术界已基本弃用为独立方案 | 不推荐 |
| 论文 | 年份/出处 | 与本任务的关系 | 链接 |
|---|---|---|---|
| AnyLoc: Towards Universal Visual Place Recognition | 2023 · RA-L | 免训练通用 VPR：DINOv2 特征 + VLAD 聚合，跨域泛化能力最强，园区这种非街景域的首选起步方案 | arXiv 2308.00688 GitHub 639★ |
| SelaVPR: Towards Seamless Adaptation of Pre-trained Models for VPR | 2024 · ICLR | 当前 VPR 检索 SOTA 之一；预训练基础模型无缝适配 VPR，无需专门训练，有轻量版可端侧部署 | arXiv 2402.14505 GitHub 268★ |
| CricaVPR: Cross-image Correlation-aware Representation Learning | 2024 · CVPR | 利用 batch 内跨图相关性训练 VPR 描述子，支持可变分辨率推理，SOTA 级精度 | arXiv 2402.19231 GitHub 172★ |
| EigenPlaces: Training Viewpoint Robust Models for VPR | 2023 · ICCV | 专门优化视角鲁棒性（建图朝向与查询朝向不同时的稳定性），与「建图/查询图片不完全一样」的核心痛点直接对应；模型小、推理快 | arXiv 2308.10832 GitHub 161★ |
| SALAD: Optimal Transport Aggregation for VPR | 2024 · ECCV | 最优传输聚合 token 特征成全局描述子，轻量高效，移动端友好 | arXiv 2403.07355 GitHub 380★ |
| MixVPR: Feature Mixing for Visual Place Recognition | 2023 · WACV | 纯 MLP 特征混合聚合，结构极简、参数少，边缘部署参考 | arXiv 2203.11553 GitHub 332★ |
| R2Former: Unified Retrieval and Reranking Transformer for Place Recognition | 2023 · CVPR | 把「检索 + 重排」统一进一个 Transformer，与本项目路线 B+C 的组合思路同构 | GitHub |
| MeshVPR: Citywide VPR Using 3D Meshes | 2024 · arXiv | 用 3D 网格统一 VPR 与位姿精化管线，代表「检索 → 精化」一体的前沿形态 | arXiv 2406.02776 |
| OSMLoc: Single Image-Based Visual Localization in OpenStreetMap | 2026 · Information Fusion | 单张图片对 OpenStreetMap 地图定位（语义+几何先验），代表「图片 → 地图」直接定位的新范式 | GitHub |
| Visual Place Recognition: A Tutorial | 2023 · 综述 | VPR 全景教程：问题定义、评测口径、方法谱系，项目组入门必读 | arXiv 2303.03281 |
排序依据：① 任务形态 = 参考图库检索（非 3D 重建）；② 与园区场景（小范围、可自主建图、视角/光照变化）的匹配度；③ 开源可用性。
| 项目 | Star | 是什么 / 怎么用 |
|---|---|---|
| cvg/Hierarchical-Localization (hloc) | ~2.7k | 与本项目最相似的完整工程：层级定位工具箱（SfM 建图 → 检索 → 匹配 → 位姿估计），支持 SuperPoint/SuperGlue/DINOv2/NetVLAD 等全家桶，自带 COLMAP 重建。若需 6DoF 精位姿直接用它搭全链路 |
| AnyLoc/AnyLoc | 639 | 免训练通用 VPR（DINOv2+VLAD），pip 即用，第一周基线首选 |
| Lu-Feng/SelaVPR | 268 | ICLR 2024 SOTA VPR 模型，含 Lite 版（端侧友好），主力检索方案候选 |
| serizba/salad | 380 | ECCV 2024，轻量高效，移动端部署候选 |
| amaralibey/OpenVPRLab | 174 | 开源 VPR 训练/评测框架，若园区域差大需要微调，用它起步 |
| awesome-Visual-Place-Recognition | 301 | VPR 论文大列表（持续维护），后续跟踪前沿用 |
| MubarizZaffar/VPR-Bench | 150 | IJCV VPR 评测框架：14 种方法统一评测，评测口径参考 |
| Awesome VPR Datasets | 121 | 数据集列表：Nordland（季相变化）/ Tokyo 24/7（昼夜）/ SPED（视角变化）等，可作园区数据集之外的代理评测 |
园区场景建议自建查询集为主、公开基准为辅：
| 数据 | 用途 |
|---|---|
| 园区自建查询集 | 建图后隔若干天，换设备/换时段/换朝向重新采集一批带真值的查询图片。按条件分层：晴天/阴天、白天/夜间、同向/反向拍摄，分别统计召回率——这是唯一能反映本项目真实效果的口径 |
| Recall@K | VPR 标准指标：Top-K 检索结果中存在与查询点距离 < 阈值（如 5m/10m）的参考图的比例。主指标 Recall@1，辅以 Recall@5（重排前的候选质量） |
| 定位误差分布 | 输出坐标与真值的距离 med / p90 / max；误检率（输出位置与真值 > 某大阈值，如 50m，视为灾难性错误单独统计） |
| 公开基准（Nordland / Tokyo 24/7 等） | 仅用于选型阶段横向比较各 VPR 模型，不作为本项目验收口径 |
按对本项目的用途分三类（链接可达性 2026-09-05 从新加坡节点实测）：
| 数据集 | 规模/形态 | 考察的难点 | 获取 |
|---|---|---|---|
| ① 选型代理评测（无需自建数据即可横向比较各 VPR 模型） | |||
| Nordland | 火车行驶视角 · 4 季 | 极端季相变化（夏/冬同一铁路线），VPR 最常用基准 | nrkbeta.no · 直接下载 ✅ |
| Gardens Point | 校园步行 · 小规模 | 昼夜 + 左右行进方向（180° 视角变化），规模小适合快速验证 | QUT wiki（国内访问 403，需代理/申请） |
| SPED | 千张级 · 多场景 | 视角变化（非街景混采），与园区手持拍摄形态接近 | Google Drive（需代理） |
| Tokyo 24/7 | 东京市区 · 76k 张 | 昼夜 × 视角 × 季相三重变化，难度最高的经典基准 | 向作者申请（页面 403 属正常，邮件申请） |
| ② 训练/微调（园区域差大时给 VPR 模型补训） | |||
| GSV-Cities | 全球 60 城 · 530k 参考图 | 大规模 VPR 训练集（CVPR 2023），CricaVPR/salad 官方训练数据 | GitHub · 直下 ✅ |
| MSLS | Mapillary 街景 · 1.1M 张 | VPR 标准�练集（含昼夜/季相划分），SelaVPR 等训练用 | mapillary.com · 注册后下载 ✅ |
| Pittsburgh250k | 匹兹堡 · 250k 张 | 经典检索训练集（Google 街景，含 GPS） | 东工大 Torii 组页面申请 |
| ③ 6DoF 精定位路线（若上 hloc 位姿精化） | |||
| InLoc | 室内（商场/校园楼内） | 参考图稀疏 vs 查询图密集的 6DoF 定位基准，与「园区参考图库」形态最接近 | visuallocalization.net ✅ |
| Aachen / 长期定位基准 | 室外城市 · 昼夜跨年 | 视觉定位挑战赛官方基准（检索+匹配+位姿全链路评测） | visuallocalization.net ✅ |
完整清单见 Awesome VPR Datasets（Pattern Recognition 2020 综述维护）。国内访问注：nrkbeta / GitHub / visuallocalization 可直连；Mapillary 注册下载；QUT wiki 与 Google Drive 需代理；Tokyo 24/7 需邮件申请。
| # | 问题 | 为什么影响方案 |
|---|---|---|
| 1 | 采集设备与安装方式：手机手持 / 车载 / 固定无人机航线？建图与查询的相机高度、朝向自由度多大？ | 视角变化幅度决定选型重心：大视角变化 → EigenPlaces/DINOv2 系（视角鲁棒）；小视角变化 → 全谱系可用，精度上限更高 |
| 2 | 定位精度要求：米级够用（「在哪条路/哪栋楼」）还是亚米级（导航级）？ | 米级：检索 Top-K + 坐标内插即可；亚米级：必须上几何验证 + 位姿精化（路线 C/D），建图要求也随之提高 |
| 3 | 园区规模与建图量级：面积多大？参考图几百 / 几千 / 几万张？ | 几千张以内暴力检索即可（毫秒级）；几万张需 ANN 索引；规模也决定域微调的数据是否充足 |
| 4 | 部署形态：GPU 服务器 / 边缘盒子 / 手机端侧？查询 QPS？ | 端侧 → SelaVPR-Lite / SALAD / MixVPR 小模型；服务器 → 随便上最大的；离线批量 → 全家桶 |
| 5 | 时间跨度与动态性：地图用多久？季节/光照/施工变化要不要扛？ | 长期鲁棒 → 检索特征要用语义级（DINOv2 系天然抗季相）；还要考虑参考图的增量更新机制 |
| 6 | 输出形式：只要坐标，还是坐标 + 朝向 + 置信度，要不要在园区平面图上可视化？ | 朝向输出 → 需要局部特征匹配阶段；可视化 → 需要维护一张园区底图 |
以上问题明确后，本页更新为实施方案定稿（讨论阶段只写最终稿，过程稿不进页面）。
无需注册。单条最多 10000 字，仅保留最新 1000 条。
VPR · 园区级视觉定位 · 项目主页 · vpr.sunearthl2.cn