面向可靠无人机追踪的连续性感知潜在帧间信息挖掘
计算机视觉与模式识别
2023-03-09 v1 机器人学
摘要
无人机(UAV)追踪对于自主导航至关重要,并在机器人自动化领域有广泛应用。然而,由于频繁遮挡和长宽比变化等各种困难,可靠的无人机追踪仍是一项具有挑战性的任务。此外,现有大多数工作主要关注显式信息以提升追踪性能,忽略了潜在的帧间联系。为解决上述问题,本文提出了一种具有连续性感知潜在帧间信息挖掘的新型框架用于可靠的无人机追踪,即ClimRT。具体而言,提出了一种用于无人机追踪的高效连续性感知潜在帧间信息挖掘网络(ClimNet),其能在两相邻帧之间生成高效的潜在帧。此外,设计了一种新颖的位置连续性Transformer(LCT),以充分挖掘连续性感知的时空信息,从而显著增强无人机追踪。在三个权威空中基准上的大量定性与定量实验有力地验证了ClimRT在无人机追踪性能上的鲁棒性与可靠性。此外,在空中平台上的真实世界测试验证了其实用性与有效性。代码与演示材料发布于 https://github.com/vision4robotics/ClimRT。
引用
@article{arxiv.2303.04525,
title = {Continuity-Aware Latent Interframe Information Mining for Reliable UAV Tracking},
author = {Changhong Fu and Mutian Cai and Sihang Li and Kunhan Lu and Haobo Zuo and Chongjun Liu},
journal= {arXiv preprint arXiv:2303.04525},
year = {2023}
}
备注
2023 IEEE International Conference on Robotics and Automation (ICRA)