确保无人机安全：一种基于纯视觉的实时目标检测、跟踪与距离估计防撞框架

在过去的二十年里，无人机（UAV）因其在军事和民用领域日益扩大的应用而受到越来越多的关注。高效检测非合作空中飞行器并准确估计碰撞，对于实现完全自主的飞机和促进先进空中交通（AAM）至关重要。本文提出了一种深度学习框架，该框架利用光学传感器对非合作空中飞行器进行检测、跟踪和距离估计。在实施这一综合感知框架时，深度信息的可用性对于使自主空中飞行器能够感知并规避障碍物至关重要。在这项工作中，我们提出了一种仅使用单目相机输入即可实时估计检测到的空中目标距离信息的方法。为了训练我们用于目标检测、跟踪和深度估计任务的深度学习组件，我们利用了亚马逊空中目标跟踪（AOT）数据集。与先前将深度估计模块集成到目标检测器中的方法不同，我们的方法将问题表述为图像到图像的转换。我们采用一个独立的轻量级编码器-解码器网络来实现高效且鲁棒的深度估计。简而言之，目标检测模块识别并定位障碍物，并将此信息传递给跟踪模块以监测障碍物移动，以及传递给深度估计模块以计算距离。我们的方法在机载目标跟踪（AOT）数据集上进行了评估，据我们所知，该数据集是最大的空对空机载目标数据集。