本文研究了基于图像的地理定位问题，提出了一种新的方法。该方法通过在地图上确定地面视角的查询图像，并利用2.5D空间中的结构高度来引导跨视图匹配。同时，借助多模态数据学习代表性嵌入。通过构建大规模的地面到2.5D地图地理定位数据集来验证方法，并在单图像定位和路径定位等任务上进行了广泛实验。结果表明，该方法在定位精度和收敛速度上明显优于之前的基于2D地图的方法。