Los UAVs suelen depender de la navegación por satélite para la localización, sin embargo, este método resulta ineficaz en situaciones donde la señal es inadecuada o la comunicación se interrumpe. La tecnología de posicionamiento basada en visión ha surgido como una alternativa confiable. En este artículo, proponemos una nueva red de extremo a extremo, OBTPN. En la fase inicial del modelo, optimizamos la distribución de la atención dentro de la red principal, con el objetivo de lograr un equilibrio entre la autoatención y la atención cruzada. Posteriormente, diseñamos una cabeza de fusión de características, que mejoró la capacidad del modelo para procesar información a múltiples escalas. OBTPN se implementó con éxito en una computadora a bordo NVIDIA Jetson TX2. Este artículo también propone un conjunto de datos de entorno complejo a gran altitud, Crossview9, que aborda una brecha de investigación en el campo de la navegación visual a gran altitud. También se evalúa el rendimiento del modelo en este conjunto de datos. Además, el conjunto de datos fue procesado para simular un entorno de imagen de baja calidad para evaluar la resiliencia del modelo en condiciones climáticas desafiantes. Los resultados experimentales demuestran que OBTPN_256 alcanza una precisión del 84.55% en la métrica RDS, alcanzando así el nivel de vanguardia (SOTA) del conjunto de datos UL14. En el conjunto de datos Crossview9, OBTPN_256 logra una puntuación RDS del 79.76%, alcanzando también el nivel SOTA. Lo más notable es que la alta precisión del modelo en entornos de imagen de baja calidad respalda aún más su robustez en entornos complejos.