MMOct, 2019

天空中的眼睛：基于无人机的物体跟踪和三维定位

PDF
TL;DR本文提出了一种基于深度学习目标检测的无人机多目标跟踪和三维定位方案，将 TrackletNet Tracker（TNT）和多视图立体技术相结合，能够对设备拍摄的对象进行检测、跟踪并测定其三维坐标。
dronesuavsmulti-object tracking3d localizationdeep learning
发现论文，激发创造
  • 基于视觉的无人机感知系统实时航空目标定位与跟踪

    文章研究了无人机导航中基于视觉的障碍物检测和跟踪问题，提出了一种实时的对象定位和跟踪策略，将对象检测和跟踪有效地集成到动态卡尔曼模型中，并使用卡尔曼滤波提供对象状态的粗略预测，而无需对其进行手动初始化，具有比同类技术更快的运行速度和竞争性的跟踪性能。

    Mar, 2017

  • 无人机遇见检测与跟踪挑战

    本文介绍了一个被称作 VisDrone 的大规模数据集并探讨了无人机平台上的目标检测与跟踪算法。

    Jan, 2020

  • 空中单目三维物体检测

    通过双视图检测系统 DVDET，提出了一种基于地理变形的训练模块，实现了 2D 图像空间和 3D 物理空间的空中单目物体检测，并利用新的数据集 AM3D，证明了模型的可行性及性能。

    Aug, 2022

  • 构建稳健的航拍摄影平台：在非结构化环境中定位和跟踪移动目标

    本文介绍了使用视觉算法进行目标定位、实时增量式 3D 签名距离地图算法进行遮挡和安全计算、实时相机运动规划器进行优化平滑度、碰撞、遮挡和艺术指导的航拍摄影完整系统，旨在克服多个专业领域影响安全控制无人机的局限，并验证该系统在追踪动态目标方面的稳健性和实时性，最终证明该系统达到了当前最佳性能。

    Apr, 2019

  • 确保无人机安全：基于视觉信息的实时碰撞避免框架，通过目标检测、跟踪和距离估计

    使用光学传感器进行无人机的检测、跟踪和距离估计，通过深度学习框架、目标检测模块、跟踪模块和深度估计模块实现全自主飞行和高级空中流动的无人机。

    May, 2024

  • 无人机监测：从视频中识别无人机

    本文提出了使用分割为基础的两阶段方法来检测从其他飞行无人机发射的无人机，通过使用时空注意力线索来确保准确的定位，并以准确性优于其他基线的结果在两个无人机检测数据集上进行了评估。

    Mar, 2021

  • YOLO-Drone: 高空实时检测密集小物体

    研究提出了一种新的实时目标检测算法 YOLO-Drone，应用于两种新的无人机平台和特定光源，在 UAVDT 和 VisDrone 两个基准数据集以及夜间采集的自制数据集中表现优于现有的状态 - of-the-art 方法，并且在硅基金光 LED 下的性能表现明显优于普通光源，证明了该算法对无人机领域中的目标检测特别是夜间检测任务具有高效的解决方案。

    Apr, 2023

  • 单运动相机飞行物体检测

    提出了一种基于回归的运动稳定方法，旨在检测被拍摄的机动飞行器在复杂背景中移动的情况，该方法在运动与外观两方面共同作用下可以对比先进技术更有效地运用时空图像块进行分类，并通过收集两个具有挑战性的数据集为飞行物体检测和视觉引导式避碰创建基准。

    Nov, 2014

  • 使用单个摄像头重建无人机的三维轨迹

    通过利用单个摄像头，我们提出了一种用于重构无人机的三维轨迹的新框架，并通过结合估计的二维无人机位置、实际长度信息和摄像头参数，几何推断了无人机的三维轨迹，进一步证明了我们的框架在基于单个摄像头的监控系统中的潜力。

    Sep, 2023

  • 无人机基准测试：目标检测和跟踪

    本文着重于构建一个针对复杂场景的无人机基准测试数据集，并对基准测试集中的物体检测、单目标跟踪和多目标跟踪进行了详细的定量分析，实验结果表明目前最先进的方法在这个数据集上的表现相对较差，给出了这一问题的多方面解决方案。

    Mar, 2018