GPS信号が弱い都市環境での無人航空機（UAV）の正確な位置推定は、自動配送やロボティクス応用において重要な課題です。従来の方法はGNSS信号の精密性や放射測定に富んだ3D再構成に依存しており、スケーラビリティと機上展開に制限がありました。この問題を解決するために、研究者らが提案したのがSemCityLocというシステムです。 SemCityLocは、基盤モデルから導出された視覚的事前知識と、標準化されたLoD準拠の3D都市モデルとの間で構造化された表面登録を実行することで、空中姿勢推定を再構成します。従来の疎な輪郭やテクスチャマッチングではなく、セマンティック表面と単眼深度を軽量なセマンティック3Dビルディングモデルと整列させることで、反復的で遮蔽された都市環境における姿勢の識別可能性を向上させます。 正確な評価を実現するため、研究者らはSemCityLockedという初の実世界ベンチマークも開発しました。これはセンチメートル精度のUAV姿勢データ、標準化されたLoD1～LoD3セマンティック都市モデル、そして困難な低高度画像を統合したものです。実験結果は既存のマップベース手法に対する実質的な改善を示しており、リコール率を最大36%向上させ、都市キャニオンの困難な環境では平均位置誤差を9.89mから2.62mに削減しています。セマンティック構造化幾何学が、放射測定シーン再構成なしに高精度な空中位置推定のための十分でスケーラブルな制約を提供することを実証しています。