May, 2024

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

HTML
PDF
TL;DR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。
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

  • 基于嵌入式立体视觉的无人机实时机载避障

    本文讨论了使用轻量级立体相机设置进行障碍物避难的方法。通过计算图像的不同点，利用经过优化的半全局匹配（SGM）算法得出障碍物分布图，并采用反应式的避障方式通过嵌入式 FPGA 进行最短路径规划。

    Jul, 2018

  • 一种基于深度乏味还原方法的无人机鲁棒目标检测探究

    本文提出了一种利用元数据和相关无人机图像来学习领域鲁棒特征的对抗训练框架——干扰解缠特征转换（NDFT）算法，以解决无人机图像中目标检测的具体挑战问题，实现了在两个现有基于无人机的目标检测基准测试上的最新性能。

    Aug, 2019

  • AU-AIR：低空交通监控多模式无人机数据集

    本文提出了一种多用途的多模态传感器航空数据集（AU-AIR）,旨在弥合计算机视觉和机器人学之间的差距，并通过多种类型的记录数据进行真实环境的移动物体检测训练和测试，包括自带计算机的无人机。

    Jan, 2020

  • MOR-UAV: 一份用于 UAV 视频中移动物体识别的基准数据集与基线模型

    介绍了MOR-UAV数据集和MOR-UAVNet框架，该框架可以实现对UAV视频中的移动物体进行识别、分类和定位，无需预定义目标初始化，并针对MOR-UAV数据集进行了定量和定性实验。

    Aug, 2020

  • 基于深度学习的海上无人机影像目标检测：综述与实验比较

    利用海洋无人机进行目标检测的深度学习技术在海洋工程和海洋行业的应用越来越重要。本文综述了海洋无人机目标检测面临的挑战、相关方法以及无人机航拍数据集，并提出了一个名为MS2ship的海洋无人机航拍数据集用于船只检测。通过一系列实验评估和鲁棒性分析，论文展示了这些目标检测方法在海洋数据集上的性能，并对未来的海洋无人机目标检测工作进行了讨论和展望。

    Nov, 2023

  • 增强和评估空对空视觉目标检测中的常见破坏

    通过研究环境和硬件条件引起的数据损坏对基于视觉的深度学习飞机检测和跟踪的影响，本文设计了七种常见的损坏类型，并构建了名为AOT-C的第一个用于飞行物体探测的健壮性基准数据集。基于实验评估结果，研究发现：YOLO家族的一阶段检测器表现出更好的健壮性，而基于Transformer和多阶段的检测器（如Faster R-CNN）对损坏非常敏感。此外，通过在合成数据上进行微调，可以改善目标检测器在真实飞行实验中的泛化能力。

    May, 2024

  • SFTrack：一种稳健的尺度和运动自适应算法，用于跟踪小型快速移动物体

    本研究解决了无人机录像中的多目标跟踪问题，这是交通监控和实时嫌疑人追踪等无人机应用中的关键挑战。我们提出了一种简单而有效的新跟踪策略，着重于从低置信度检测开始跟踪目标，结合传统外观匹配算法改进低置信度检测的关联。实验结果表明，我们的方法在多种跟踪环境中展现出优越性能，并改进了UAVDT数据集的注释，促进了更好的基准测试。

    Oct, 2024

  • UEVAVD：用于开发无人机视角主动物体检测的数据集

    本研究针对无人机（UAV）基于物体检测中的遮挡问题，提出了一种新方法。通过引入深度强化学习和自主动路径规划，增强无人机识别目标的能力。同时，我们发布了名为UEVAVD的数据集，以支持UAV主动物体检测的研究，并通过实验验证了改进方法的有效性。

    Nov, 2024