Visando uma alternativa robusta ao sistema global de navegação por satélite(GNSS), foram propostas técnicas baseadas em redes neurais convolucionais para a tarefa de localização por imagens através da comparação entre cenas aéreas e satelitais. Porém, a maioria dessas abordagens exige treinamento da rede antes de um novo voo. Assim, este trabalho comparou os descritores de imagens LOFTr, SuperGlue e D2NET, baseados em inteligência artificial com os descritores: SIFT, ORB e AKAZE. Foram levantadas imagens de câmeras acopladas a aeronaves a 80 metros de altura e os descritores geraram pontos correspondentes ao mesmo local em imagens satelitais. Após esse passo, foi estimada a homografia e selecionados os pontos comuns(homólogos) utilizando o algoritmo RANSAC. Os descritores baseados em rede neural e mecanismo de atenção apresentaram um número de pontos homólogos muito superior aos descritores tradicionais, além de obter uma estimativa com erro médio inferior a um metro em relação ao método manual.
