一个自主无人机群用于在密集的植被中检测和跟踪异常
Rakesh John Amala Arokia Nathan1, Sigrid Strand2, Daniel Mehrwald1
1Department of Computer Science, Johannes Kepler University Linz, Linz, Austria.
Communications engineering
|November 27, 2025
概括
无人机群通过模仿自然行为来增强传感,以调整它们的光圈以改善目标检测. 这种自主系统擅长在具有高精度和回忆力的挑战性环境中跟踪封闭物体.
科学领域:
- 机器人技术和自主系统
- 计算机视觉 计算机视觉
- 传感器网络 传感器网络
背景情况:
- 传统的对象分类在航空图像中的斗争与封闭.
- 闭塞随机性和最小的闭塞显著降低了效率.
- 现有的方法在密集的自然环境中缺乏稳定性.
研究的目的:
- 开发一个自主无人机群,用于增强目标检测和跟踪.
- 为了提高对阻塞和环境变化的强度.
- 为了使异常检测能够独立于预先训练的对象类别.
主要方法:
- 使用一个集中的,自主无人机群,具有适应性采样模式.
- 将异常检测应用到合成光圈整体图像上.
- 采用适应的粒子群优化,考虑检测保密度和目标外观.
主要成果:
- 实现了0.39m的平均位置精度,93.2%的精度和95.9%的回忆.
- 在密集的植被中表现出强大的性能,克服了封闭挑战.
- 引入了一种新的信心指标,用于识别异常目标.
结论:
- 模仿自然行为允许无人机群适应传感孔以获得卓越的性能.
- 在合成孔径积分图像上的异常检测为传统分类提供了强大的替代方案.
- 开发的框架支持低延迟的数据处理,用于实时群体操作.
