通过脉冲式视网膜事件生成和事件帧融合的光流技术实现基于流动引导的无人机跟踪

《IEEE Transactions on Aerospace and Electronic Systems》:Flow-Guided UAV Tracking via Spiking Retina Event Generation and Event-Frame Fused Optical Flow

【字体: 大 中 小 】 时间:2026年05月14日 来源:IEEE Transactions on Aerospace and Electronic Systems 5.7

编辑推荐:

   摘要:在无人机(UAV)目标跟踪任务中,连续的动态信息对于处理高速运动和复杂环境下的小目标至关重要。事件相机作为一种受人类视网膜采样机制启发的视觉传感器,可以通过异步输出亮度变化事件来有效捕捉移动目标。由于其高时间分辨率和低延迟,事件相机为UAV跟踪提供了独特的优势。然而,在远

  

摘要:

在无人机(UAV)目标跟踪任务中,连续的动态信息对于处理高速运动和复杂环境下的小目标至关重要。事件相机作为一种受人类视网膜采样机制启发的视觉传感器,可以通过异步输出亮度变化事件来有效捕捉移动目标。由于其高时间分辨率和低延迟,事件相机为UAV跟踪提供了独特的优势。然而,在远距离环境中,远处的UAV目标通常只占据几个像素,而事件相机有限的空间分辨率使得生成足够的边缘触发事件变得困难,从而导致目标表示稀疏且不完整。此外,事件数据仅记录亮度变化,缺乏明确的方向和速度信息,这限制了其在细粒度运动建模中的应用。为了解决这些限制,本文提出了一个统一的UAV视觉感知框架,以增强动态远距离UAV场景中的运动理解和跟踪性能。首先,我们构建了一个脉冲视网膜神经网络(SRNN),可以从任意视频中生成时间一致的运动事件数据,克服了事件相机的远距离感知限制。其次,我们引入了一种时间光流流估计算法(TOFS-EF),该算法融合了事件信息和帧信息,从而从连续输入中生成T-1光流场,从而实现连续局部运动的细粒度估计。最后,通过置信度门控、基于散度的尺度适应和运动幅度注意力将光流先验集成到现有跟踪器中,以提高边界框预测的时空一致性。实验结果表明,所提出的光流方法在MVSEC数据集上取得了最先进的性能,而所提出的跟踪策略在不同目标尺度上均实现了持续的改进...
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号