边缘感知的热红外无人机群跟踪
摘要
本文提出了一种边缘感知的在线跟踪流水线,用于热红外无人机群跟踪,其核心是自适应运动学卡尔曼滤波器(AKKF),在挑战性条件下平衡了效率和鲁棒性。
查看缓存全文
缓存时间: 2026/07/29 11:52
论文页面 - 面向边缘感知的红外热成像无人机集群跟踪
来源:https://huggingface.co/papers/2607.12544
摘要
红外热成像(TIR)技术在视觉退化环境中对无人机集群操作至关重要。然而,由于外观线索有限、频繁遮挡以及高速机动,跟踪微小无人机仍然具有挑战性。尽管以Anti-UAV挑战赛为代表的基准测试推动了显著进展,但现有方法主要优先考虑精度,而忽视了实时边缘部署的计算约束。标准卡尔曼滤波器(KF)具备边缘设备所需的效率,但其恒定速度假设在高度动态的无人机运动和热成像传感器抖动下常常失效。更复杂的非线性估计器可以提高鲁棒性,但往往会引入额外的计算成本。为了解决这一差距,我们提出了一种以自适应运动学卡尔曼滤波器(AKKF)为核心的边缘感知在线跟踪流程,该流程在保持实时效率的同时,用状态依赖的运动学建模增强了线性KF。结合瞬态误报抑制和运动学驱动的预测惯性滑行,所提出的流程在具有挑战性的TIR条件下改善了轨迹连续性。在超强基线(BSB)基准测试上的实验通过联合评估跟踪性能和计算效率,为边缘感知的无人机跟踪提供了起点,为未来的实时部署提供了见解。
查看arXiv页面 (https://arxiv.org/abs/2607.12544) | 查看PDF (https://arxiv.org/pdf/2607.12544) | 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.12544)
在您的agent中获取本论文:
hf papers read 2607.12544
没有最新的CLI?curl -LsSf https://hf.co/cli/install.sh | bash
引用本论文的模型(0)
没有模型链接本论文
在模型README.md中引用arxiv.org/abs/2607.12544可将其链接到此页面。
引用本论文的数据集(0)
没有数据集链接本论文
在数据集README.md中引用arxiv.org/abs/2607.12544可将其链接到此页面。
引用本论文的Spaces(0)
没有Space链接本论文
在Space README.md中引用arxiv.org/abs/2607.12544可将其链接到此页面。
包含本论文的收藏(0)
没有收藏包含本论文
将本论文添加到收藏 (https://huggingface.co/new-collection) 可将其链接到此页面。
相似文章
基于CKM的通信感知无人机城市巡检智能轨迹优化
本文提出了一种基于信道知识地图(CKM)的多无人机巡检轨迹规划框架,利用扩散模型重建高保真信道质量图,并结合图注意力网络与软演员-评论家算法实现通信感知路径规划。
面向连续多无人机追踪的拓扑感知时空交接框架
本文提出了一种用于无人机交通监控的实时多相机多车辆跟踪系统,该系统采用基于拓扑的时空交接机制和确定性队列匹配,在相机视角间保持车辆身份,实现了99.8%的交接成功率。
FusionSense: 三阶段近传感器学习实现运行时自适应多模态边缘智能
FusionSense提出了一种面向多模态边缘智能的三阶段近传感器学习框架,通过融合感知滤波同时降低计算与通信开销,在RGB-深度/激光雷达任务上实现高达33倍的能耗节省和显著的数据缩减收益。
基于有理高斯小波神经网络的多无人机分类与检测
本文提出一种经济高效的无人机检测与分类系统,利用有理高斯小波神经网络处理声音信号,实现对单个及多个无人机(包括集群)的可解释且稳健的性能,优于传统方法。
利用学习到的机载风估计的模拟大气湍流中小型四旋翼的风感知强化学习控制
本文提出了一种两阶段学习流水线,使用注意力增强的门控循环网络从机载运动学中估计风速,然后利用该估计值在强化学习控制器中提升四旋翼在湍流风下的轨迹跟踪性能,相比基线将跟踪误差降低了48%。