无人机(Unmanned Aerial Vehicle, UAV)视觉感知论文汇总

综述类

  • A Survey of Object Detection for UAVs Based on Deep Learning
  • Deep Learning for UAV-based Object Detection and Tracking:A survey
  • Moving Target Tracking by Unmanned Aerial Vehicle:A Survey and Taxonomy
  • Vision-Based Learning for Drones:A Survey

检测类

  • Where2comm:
    Communication-efficient collaborative perception via spatial confidence maps
  • UCDNet:Multi-UAV Collaborative 3D Object Detection Network by Reliable Feature Mapping
    • 多无人机联合的目标检测
    • 将不同无人机图像特征映射到同一 3D 空间,对齐后进行特征融合。
  • Drones Help Drones: A Collaborative Framework for Multi-Drone Object Trajectory Prediction and Beyond
    • 当前的联合目标预测分为两个大类:多阶段预测和端到端预测。多阶段预测首先获取每个视角下的目标检测结果,然后对这些不同无人机的目标进行关联使用;端到端的方案加个不同视角下的特征投影到同一个 3D 空间,进行特征层面的关联。
    • 主要就是三个创新点(这其实已经完全包含了端到端方案的两个阶段):
      1. 基于地面先验和高度估计的更精确的 BEV 视图表征;
      2. 高效信息交互的多无人机目标轨迹预测;
      3. 一个用于多无人机联合轨迹预测的仿真数据集。
    • BEV 视图合成也分为两种:
      1. 显示的 2D —> 3D 的映射;
      2. 和隐式的 3D —> 2D 的映射。
    • 当前的多无人机合作方法包含:
      1. 基于原始数据的早期合作;
      2. 基于结果的晚期合作;
      3. 以及基于特征的中间合作。

跟踪类

数据集

  • UEMM-Air:A Synthetic Multi-modal Dataset for Unmanned Aerial Vehicle Object Detection
    • 包含多模态信息的无人机目标检测数据集
    • 包含可见光、深度、分割、法线、IMU 四种数据模态
  • UAV-VisLoc:A Large-scale Dataset for UAV Visual Localization
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

哇哇九号

您的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值