GPS信号が利用できない環境でドローンの位置を正確に特定することは、自動運用や災害対応などの多くの実用的なシーンで課題となっています。本研究は、このような環境下でドローンが視覚とセンサー情報を活用して位置を把握するための新しい手法「SASGeo」を提案しています。 従来のドローンの位置特定は、カメラ画像を比較する画像検索技術に依存していますが、季節変化や照明条件の変化、視点の違い、地図の経年劣化など、様々な要因に影響されやすいという問題がありました。提案するSASGeoは、道路や建物、河川、鉄道、交差点、畑の境界といった環境の永続的な構造要素に着目し、これらをセマンティック（意味的）な情報として地図に表現しています。このアプローチにより、単なる画像の外観特性ではなく、より堅牢な環境理解が可能になります。 手法の核となるのは、セマンティックラスター配置、関係グラフ証拠、特徴の安定性、地理的な独自性、そして曖昧な位置特定の完全性を考慮した棄却判定を組み合わせた統合的な枠組みです。220回のランダム化された検索試験において、回転や縮尺変化、部分的な画像の切り抜き、遮蔽、シミュレートされた地図変化、そして課題的なセマンティック偽りの信号を含む厳しい条件下でテストされました。空間的セマンティックマッチングは94.5～95.5%の高い再現率を達成し、単純なグローバル記述子の58.6%を大きく上回りました。 本研究は合成データを用いた概念実証であり、実際の飛行による検証はまだ段階です。しかし、構造化されたセマンティック幾何学が、厳密に制御された異なる視点からの画像比較下において位置特定が可能であることを実証しており、今後、より複雑な環境での地図経年劣化やエイリアシング問題への対応が重要な次のステップとなります。