通过聚类滤波分离无人机点云中的复杂背景 -- CVPR 2024 UG2 挑战技术报告
计算机视觉与模式识别
2024-12-24 v1
摘要
小型无人机作为工具被用于冲突和干扰，其增强威胁性凸显了有效防御无人机的迫切需求。然而，大多数无人机的紧凑尺寸 presents a significant挑战，传统的监督式点云或图像基于对象检测方法往往难以有效识别此类小目标。本文提出了一种使用无监督管道的简单无人机检测方法。它利用时空序列处理技术有效地融合多个激光数据集，跟踪并确定无人机的位置，从而在具有挑战性的环境中检测和跟踪无人机。本方法通过全局-局部序列聚类器进行前后背景分割，对点云数据进行处理，解析其时空密度和时空体素特征。进一步提出了一种用于点云移动目标的评分机制，利用时间序列检测提高准确率和效率。我们使用 MMAUD 数据集，该方法在 CVPR 2024 UG2+ 挑战中获得第 4 名，确认了该方法在实际应用中的有效性。
引用
@article{arxiv.2412.16947,
title = {Separating Drone Point Clouds From Complex Backgrounds by Cluster Filter -- Technical Report for CVPR 2024 UG2 Challenge},
author = {Hanfang Liang and Jinming Hu and Xiaohuan Ling and Bing Wang},
journal= {arXiv preprint arXiv:2412.16947},
year = {2024}
}
备注
7 pages, 4 figures