Este estudio investiga las dificultades asociadas con el registro de imágenes debido a variaciones en la perspectiva, la iluminación y los detalles de los objetos en el suelo entre las imágenes capturadas por drones y la imagen satelital. Este estudio propone un algoritmo de registro de imágenes y localización visual de drones basado en un mecanismo de atención. Inicialmente, se diseña un algoritmo mejorado Oriented FAST y Rotated BRIEF (ORB) que incorpora un método de homogeneización de puntos de características basado en quadtree para extraer puntos de características de la imagen, proporcionando apoyo para la estimación inicial del movimiento de los UAV. A continuación, combinamos una red neuronal convolucional con un mecanismo de atención y el método de Lucas-Kanade combinado inverso para extraer aún más características de la imagen. Esta integración facilita el registro eficiente de imágenes de drones con mosaicos satelitales. Finalmente, utilizamos los resultados del registro para corregir el movimiento inicial del dron y determinar con precisión su ubicación. Nuestros hallazgos experimentales indican que el algoritmo propuesto logra un error de posicionamiento absoluto promedio de menos de 40 m para trayectorias de vuelo de baja textura y menos de 10 m para trayectorias de alta textura. Esto mitiga significativamente los desafíos de posicionamiento que surgen de las inconsistencias entre las imágenes de drones y los mapas satelitales. Además, nuestro método demuestra una mejora notable en la velocidad de cálculo en comparación con los algoritmos existentes.