M$^2$E-UAV：面向 onboard 运动-运动事件型微型无人机检测的数据集与分析
计算机视觉与模式识别
2026-05-15 v2
摘要
来自 onboard 事件相机的微型无人机检测在观察者与目标同时运动时极具困难。在这种运动-运动情境下，ego-motion会激活建筑物、植被及地平线结构上的背景边缘，而无人机可能表现为稀疏事件簇。不同于静态或地面观察者的事件型无人机检测，onboard UAV 视图打破了干净背景的假设，因为传感器ego-motion可在整个视野中激活稠密背景事件。为探索此实际问题，我们提出ME-UAV，据称是首个面向 onboard UAV 视图运动-运动事件型微型无人机检测的数据集与基准，同时包含感知平台与目标无人机的运动。ME-UAV提供同步的事件流和IMU测量数据，来源于 onboard 感知平台，同时提供从时序传播的10 Hz边界框标注派生的事件级无人机前景标签。处理后的基准包含87,223个训练样本和21,395个验证样本，跨四个场景家族：sunny building-forest、sunny farm-village、sunset building-forest、sunset farm-village。我们定义训练/验证划分和评估协议，用于比较事件帧、体素网格和点集表示下的代表性现有基线，可选输入IMU。基准结果表明，在稀疏小目标证据和稠密ego-motion引发的背景事件下，现有基线仍受限。代码和基准文件将发布于https://github.com/Wickyan/M2E-UAV。
关键词
引用
@article{arxiv.2605.10496,
title = {M$^2$E-UAV: A Benchmark and Analysis for Onboard Motion-on-Motion Event-Based Tiny UAV Detection},
author = {Weiqi Yan and Lixin Chen and Xiangrui Hou and Zhipeng Cai and Youbiao Wang and Yangyang Shi and Yu Zang and Cheng Wang},
journal= {arXiv preprint arXiv:2605.10496},
year = {2026}
}