يعد تحديد المواقع المستمر والموثوق أساسيًا للقيادة الذاتية، حيث يسهم في تعزيز أمن وأداء المركبات ذاتية القيادة. في هذا الإطار، يأتي الابتكار الجديد في تحديد المواقع البصرية عبر المناظر المتقاطعة (Cross-view Visual Localization) الذي يقوم بمطابقة الصور الأرضية مع الخرائط الفضائية، مما يوفر إشارات مكملة لتقنيات تعتمد على إشارات نظام الملاحة العالمي (Global Navigation Satellite System - GNSS) والخرائط عالية الدقة (High-Definition Maps).

لكن، كانت معظم طرق تحديد المواقع البصرية الحالية تعالج كل إطار بشكل مستقل، مما يجعل المعلومات الزمنية غير مستغلة ويقيد الدقة في حالات ازدحام الحركة، وتغيرات الإضاءة، والنقوش المتكررة.

تقدم هذه الدراسة إطار عمل معزز بالسياق الزمني لتحسين تحديد المواقع البصرية المتقاطعة، حيث يتم تجميع السياق التاريخي من الحالة السابقة لتعزيز الميزات الأرضية الخشنة لكل إطار حالي. هذه الميزات المعززة تسهل تصنيف مناطق الأقمار الصناعية، بينما تتيح الميزات الرفيعة المعقدة تقدير الانحراف المحلي بدقة.

أظهرت النتائج على مجموعة بيانات CVIS انخفاضًا في متوسط خطأ تحديد المواقع من 3.80 متر إلى 1.57 متر، وزيادة في نسبة دقة التصنيف R@1 متر من 8.14% إلى 40.22%. وعند الانتقال المباشر إلى KITTI-CVL، حقق الإطار الجديد متوسط خطأ يبلغ 2.61 متر، ومع تحسين مجال الهدف، انخفض المتوسط إلى 2.27 متر.

كما تم إجراء تجارب ميدانية مباشرة على مركبة عالمية واقعية، حيث تحقق متوسط الخطأ 2.84 متر ونسبة R@5 متر بلغت 96.86%.

تظهر هذه النتائج بشكل واضح أن تعزيز السياق الزمني يحسّن دقة تحديد المواقع المتقاطعة بشكل كبير، مما يدعم النشر القوي على المعايير العامة والطرق الحقيقية.