本研究提出了一种新型深度-时间感知视觉地点识别系统，解决了视角和外观变化带来的识别问题。通过深度过滤关键点序列和改进的视觉定位方法，显著提升了识别精度。同时，研究探讨了基于地图信息的目标检测算法，并提出了细粒度的室外机器人自定位方法，验证了其在动态环境中的有效性。

该文介绍了一种利用机载摄像头和卫星图像的细粒度室外机器人自定位方法，能够提高动态环境下的感知能力。该方法采用空间嵌入方法，能够实现低于0.5米的中位空间准确性误差和小于2度的中位方向准确性误差。在实验中，该方法优于现有的最先进方法。