HighlightNet：面向实时无人机追踪的低光照潜在特征高亮方法
机器人学
2022-08-16 v1 计算机视觉与模式识别
摘要
低光照环境对鲁棒无人机（UAV）追踪构成了巨大挑战，即便采用最先进的（SOTA）追踪器，因为潜在图像特征在恶劣光照条件下难以提取。此外，由于能见度低，人类监控员在地面控制站中准确在线选择目标以初始化无人机追踪也变得极其困难。为解决这些问题，本文提出一种新颖的增强器，即 HighlightNet，为人类操作者和无人机追踪器照亮潜在目标。通过采用 Transformer，HighlightNet 能够根据全局特征调整增强参数，从而适应光照变化。引入像素级范围掩码使 HighlightNet 更专注于追踪目标及无光源区域的增强。此外，构建了软截断机制以防止背景噪声被误认为关键特征。在图像增强基准上的评估表明 HighlightNet 在促进人类感知方面具有优势。在公开 UAVDark135 基准上的实验显示，HightlightNet 比其他 SOTA 低光照增强器更适合无人机追踪任务。另外，在典型无人机平台上的真实世界测试验证了 HightlightNet 在夜间 aerial 追踪相关应用中的实用性与效率。代码与演示视频见 https://github.com/vision4robotics/HighlightNet。
引用
@article{arxiv.2208.06818,
title = {HighlightNet: Highlighting Low-Light Potential Features for Real-Time UAV Tracking},
author = {Changhong Fu and Haolin Dong and Junjie Ye and Guangze Zheng and Sihang Li and Jilin Zhao},
journal= {arXiv preprint arXiv:2208.06818},
year = {2022}
}
备注
accepted by IROS2022