基于物理原理与几何一致性的双视图无人机红外目标检测方法：结合热统计先验与体素贝叶斯融合技术

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Physics-Informed and Geometry-Consistent Dual-View UAV Infrared Object Detection with Thermal Statistical Priors and Voxel-BEV Fusion

　　

摘要：

红外图像在基于无人机的地球观测中具有重要价值，因为它在夜间和光照较弱的条件下仍能保持良好的观测效果。但基于双视角的检测方法仍面临两个相互关联的难题：图像平面上的热特征较弱，以及不同视角之间的视差偏差较大。本文提出了一种结合物理原理且符合几何特性的框架，用于解决无人机红外图像中的物体检测问题。首先，一种热空间联合嵌入模块将局部热统计信息，如均值、方差、偏度及峰度，添加到视觉特征中，从而在高级语义融合之前就实现对目标与背景差异的编码。其次，一种体素-BEV融合模块将两个摄像头的特征转换到统一的世界坐标系中，在一定容差范围内对特征进行聚合，再将融合后的特征投影回参考视角以进行检测。该流程避免了直接的平面拼接，同时保留了辅助视角中的有用信息。在公共的DualView-Occlusion基准测试上的实验表明，所提出的方法可实现90.9%的mAP值50，召回率为84.1%，同时还能有效应对视角变化和姿态扰动。进一步分析表明，该几何模块适用于多种不同的特征提取架构，而热统计描述符在对比度较低的红外场景中尤为有效。