多视角无人机红外图像模拟与细分模型和对象检测,用于交通监控
Tuerniyazi Aibibu1,2, Jinhui Lan3,4, Yiliang Zeng1,5
1Department of Instrument Science and Technology, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, 100083, China.
Scientific reports
|February 12, 2025
概括
研究人员开发了一种使用AirSim模拟红外空中图像的改进方法,以提高3D模型的质量. 这种模拟对于在红外交通场景中训练物体检测模型,如EfficientNCSP-Net至关重要.
科学领域:
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 红外 (IR) 成像 无人机 (UAV) 技术正在迅速发展,在各个领域都有应用.
- 由于飞行限制和成本,获得真实世界的空中图像可能具有挑战性,需要计算机模拟.
- 现有的模拟方法可能缺乏强大的模型训练所需的保真度.
研究的目的:
- 提出一种改进的方法来模拟无人机红外空中图像.
- 通过3D细分模型处理,提高红外图像的模拟质量.
- 为对象检测研究构建一个全面的红外交通场景模拟数据集 (IR-TSS).
主要方法:
- 开发了一种基于开源AirSim的改进的红外空中图像模拟方法.
- 通过使用3D细分模型处理来提高模拟质量.
- 构建了红外交通场景模拟 (IR-TSS) 数据集,包含七种对象类型.
- 提出了一个高效的NCSP-Net,并对IR-TSS数据集进行了培训.
主要成果:
- 改进的模拟方法产生了来自各种视角的交通场景的高质量的红外空中图像.
- 拟议的EfficientNCSP-Net在IR-TSS数据集上实现了超过96%的物体检测平均平均精度 (mAP50).
- 与现有方法相比,对比实验表明EfficientNCSP-Net的性能优于现有方法.
结论:
- 该研究为交通场景的红外空中图像模拟提供了显著的进步.
- 开发的IR-TSS数据集和EfficientNCSP-Net为研究界提供了宝贵的资源.
- 这些发现对改善空中图像和其他模拟应用中的物体检测有意义.
