The reliance on GPS for Unmanned Aerial Vehicle (UAV) localization limits the areas of application to places with a stable GPS signal. The emergence of deep learning in computer vision has made deep learning methods for visual UAV navigation a promising candidate for autonomous GPS denied localization. These method locate using images taken by a mounted camera on the UAV. Most works in the field evaluate localization ability in urban environments dense with artificial structures. This thesis analyses the localization ability of one such method over agricultural fields and forests in comparison to urban areas to investigate whether such systems rely on artificial structure or if they can function in a general environment. The localization technique is based on the deep feature Lucas-Kanade algorithm and uses convolutional neural network extracted feature representations of images taken by the UAV and satellite images to place the UAV within the satellite image for a position estimate. A network interpretation method is also applied to the problem to investigate whether it can help explain what causes the potential differences in localization accuracy between the areas. The investigation finds that the localization method is applicable in both forests and agricultural fields and pinpoints other factors than the prevalence of artificial structure that are more important for accurate localization. Further, a potential improvement to the algorithm is proposed that is shown to notably improve localization accuracy in certain conditions. It is based on obtaining a second position estimate by reversing the optimization direction and choosing the better of the two based on a loss function. / Obemannade luftburna fordon (UAV) är generellt beroende av GPS för autonom lokalisering vilket begränsar deras användningsområden till platser med en stabil GPS signal. Framväxten av djupinlärning inom datorseende har gjort djupinlärningsbaserade metoder för visuell UAV navigation en lovande kandidat för UAV lokalisering oberoende av GPS. De flesta vetenskapliga artiklar inom området utvärderar lokaliseringsförmågan i urbana miljöer som är fyllda med artificiella strukturer såsom hus och vägar. I den här uppsatsen analyseras lokaliseringsförmågan av en sådan metod över jordbruksområden och skog i förhållande till urbana miljöer för att undersöka om sådana system är beroende av artificiell struktur för att lokalisera korrekt. Lokaliseringsmetoden är baserad på Lukas-Kanade-algoritmen på djupa repesentationer. Konvolverande neurala nätverk tränas för att extrahera representationer av UAV- och satellitbilder som är mer passande för att bestämma förhållandet mellan kamerapositionerna med Lukas-Kanade algoritmen. En nätverkstolkningsmetod appliceras även på problemet för att undersöka huruvida det kan användas för att förklara eventuella skillnader i lokaliseringsförmåga mellan områdena. Undersökningen finner att lokaliseringsmetoden fungerar väl i jordbruksområden och skog och fastställer andra faktorer som är viktigare för välfungerande lokalisering än förekomsten av artificiella strukturer. Ytterligare föreslås en potentiell förbättring till algoritmen som visas kunna förbättra lokaliseringsnoggrannheten markant i vissa förhållanden. Förbättringen är baserad på att utvinna en andra positionsuppskattning genom att omvända optimeringsriktningen och välja den bättre av de två baserat på en förlustfunktion.

The ability for unmanned autonomous aerial vehicles (UAV) to localize themselves in an environment is fundamental for them to be able to function, even if they do not have access to a global positioning system. Recently, with the success of deep learning in vision based tasks, there have been some proposed methods for absolute geolocalization using vison based deep learning with satellite and UAV images. Most of these are only tested in urban environments, which begs the question: How well do they work in non-urban areas like forests and fields? One drawback of deep learning is that models are often regarded as black boxes, as it is hard to know why the models make the predictions they do, i.e. what information is important and is used for the prediction. To solve this, several neural network interpretation methods have been developed. These methods provide explanations so that we may understand these models better. This thesis investigates the localization accuracy of one geolocalization method in both urban and non-urban environments as well as applies neural network interpretation in order to see if it can explain the potential difference in localization accuracy of the method in these different environments. The results show that the method performs best in urban environments, getting a mean absolute horizontal error of 38.30m and a mean absolute vertical error of 16.77m, while it performed significantly worse in non-urban environments, getting a mean absolute horizontal error of 68.11m and a mean absolute vertical error 22.83m. Further, the results show that if the satellite images and images from the unmanned aerial vehicle are collected during different seasons of the year, the localization accuracy is even worse, resulting in a mean absolute horizontal error of 86.91m and a mean absolute vertical error of 23.05m. The neural network interpretation did not aid in providing an explanation for why the method performs worse in non-urban environments and is not suitable for this kind of problem. / Obemannade autonoma luftburna fordons (UAV) förmåga att lokaliera sig själva är fundamental för att de ska fungera, även om de inte har tillgång till globala positioneringssystem. Med den nyliga framgången hos djupinlärning applicerat på visuella problem har det kommit metoder för absolut geolokalisering med visuell djupinlärning med satellit- och UAV-bilder. De flesta av dessa metoder har bara blivit testade i stadsmiljöer, vilket leder till frågan: Hur väl fungerar dessa metoder i icke-urbana områden som fält och skogar? En av nackdelarna med djupinlärning är att dessa modeller ofta ses som svarta lådor eftersom det är svårt att veta varför modellerna gör de gissningar de gör, alltså vilken information som är viktig och används för gissningen. För att lösa detta har flera metoder för att tolka neurala nätverk utvecklats. Dessa metoder ger förklaringar så att vi kan förstå dessa modeller bättre. Denna uppsats undersöker lokaliseringsprecisionen hos en geolokaliseringsmetod i både urbana och icke-urbana miljöer och applicerar även en tolkningsmetod för neurala nätverk för att se ifall den kan förklara den potentialla skillnaden i precision hos metoden i dessa olika miljöer. Resultaten visar att metoden fungerar bäst i urbana miljöer där den får ett genomsnittligt absolut horisontellt lokaliseringsfel på 38.30m och ett genomsnittligt absolut vertikalt fel på 16.77m medan den presterade signifikant sämre i icke-urbana miljöer där den fick ett genomsnittligt absolut horisontellt lokaliseringsfel på 68.11m och ett genomsnittligt absolut vertikalt fel på 22.83m. Vidare visar resultaten att om satellitbilderna och UAV-bilderna är tagna från olika årstider blir lokaliseringsprecisionen ännu sämre, där metoden får genomsnittligt absolut horisontellt lokaliseringsfel på 86.91m och ett genomsnittligt absolut vertikalt fel på 23.05m. Tolkningsmetoden hjälpte inte i att förklara varför metoden fungerar sämre i icke-urbana miljöer och är inte passande att använda för denna sortens problem.