La navegación confiable es crítica para los UAV que operan en entornos sin GNSS, donde la navegación integrada del Sistema de Navegación Inercial/Sistema de Navegación Global por Satélite (INS/GNSS) tiene dificultades para cumplir con los requisitos de misiones de alta confiabilidad y larga duración. Como un enfoque pasivo y autónomo, la navegación asistida por terreno (TAN) ofrece un fuerte ocultamiento y un alto grado de autonomía. Sin embargo, la mayoría de los métodos TAN existentes dependen de características hechas a mano, lo que limita su capacidad para explotar completamente la información del terreno a múltiples niveles, mientras que la sensibilidad al ruido de elevación y las variaciones de actitud degradan aún más la precisión y robustez del emparejamiento. Para abordar estos problemas, este artículo propone un método de navegación por emparejamiento de terreno para UAV en entornos sin GNSS basado en una red de autoencoder con aprendizaje contrastivo. Se diseña una Red de Extracción de Características de Doble Rama Global-Local (GL-DualNet) para combinar la capacidad de extracción de detalles locales de las CNN con la capacidad de modelado de dependencia global del Swin Transformer, lo que permite una representación efectiva del terreno a múltiples escalas. Además, se desarrolla un Modelo de Aprendizaje Contrastivo de Autoencoder (ACLM) para optimizar conjuntamente los objetivos de reconstrucción y contrastivo, permitiendo el aprendizaje no supervisado de características del terreno con una mejor discriminabilidad y robustez contra el ruido y las perturbaciones rotacionales. Los experimentos en un conjunto de datos de terreno público muestran que el método propuesto supera a los enfoques convencionales de emparejamiento de terreno bajo diferentes niveles de ruido, perturbaciones rotacionales y rangos de búsqueda, demostrando su efectividad y robustez para la navegación de UAV en entornos complejos sin GNSS.