AirTrack：用于远程飞机检测与跟踪的机载深度学习框架
计算机视觉与模式识别
2023-03-22 v3 机器学习
机器人学
摘要
检测与规避（DAA）能力对无人飞机系统（UAS）的安全运行至关重要。本文介绍 AirTrack，一种实时仅视觉的检测与跟踪框架，其符合小型无人机系统（sUAS）的尺寸、重量和功耗（SWaP）约束。鉴于远处飞机的低信噪比（SNR），我们提出在深度学习框架中使用全分辨率图像，并对连续图像进行对齐以消除自身运动。对齐后的图像随后在级联的主、次分类器下游使用，以在多项指标上提升检测与跟踪性能。我们表明 AirTrack 在 Amazon Airborne Object Tracking（AOT）数据集上优于最先进基线。多次真实世界飞行测试（涉及一架 Cessna 182 与通用航空交通互动，以及额外的近碰撞飞行测试，其中一架 Bell 直升机在受控环境下朝 UAS 飞行）表明，所提方法满足新引入的 ASTM F3442/F3442M DAA 标准。实证评估显示，我们的系统在高达 700m 距离上的跟踪概率超过 95%。视频见 https://youtu.be/H3lL_Wjxjpw 。
引用
@article{arxiv.2209.12849,
title = {AirTrack: Onboard Deep Learning Framework for Long-Range Aircraft Detection and Tracking},
author = {Sourish Ghosh and Jay Patrikar and Brady Moon and Milad Moghassem Hamidi and Sebastian Scherer},
journal= {arXiv preprint arXiv:2209.12849},
year = {2023}
}
备注
7 pages, 5 figures, ICRA 2023