M3OT:用于多对象跟踪的多无人机多模式数据集

科学领域:

• 计算机视觉 计算机视觉
• 机器人技术 机器人技术 机器人技术
• 遥感 遥感 遥感 遥感

背景情况:

• 来自无人机的物体检测和跟踪对于各种应用至关重要.
• 现有的数据集往往缺乏多模式 (RGB和红外热) 和高空视角,限制了用于小物体检测的算法开发.
• 多个无人机数据采集在同步和数据融合方面提出了独特的挑战.

研究的目的:

• 引入M3OT数据集,这是一个新的多无人机,多模式数据集用于车辆检测和跟踪.
• 为评估多个对象跟踪算法提供一个具有挑战性的基准,特别是对于高空空中图像中的小物体.
• 促进基于无人机的监视和侦察系统的研究和开发.

主要方法:

• 使用两个无人机 (UAV) 在100-120米的高度获取空中图像.
• 在不同的环境 (郊区,城市) 和照明条件 (白天,黄昏,夜晚) 中收集同步的RGB和红外热 (IR) 视频数据.
• 标注超过220,000个车辆的边界框,专注于小物体,从8小时的视频录像中跨越21580.

主要成果:

• M3OT数据集包括10790张配对的RGB-IR图像,由于小物体的普遍存在,这提出了重大挑战.
• 在M3OT上对最先进的多个对象跟踪算法的评估表明了实质性的性能限制.
• 该数据集作为严格的基准,突出了对强大的空中飞行器追踪先进算法的需求.

结论:

• M3OT数据集是第一个专门为多个对象跟踪挑战而设计的多式无人机多模式基准.
• 数据集的独特特征,包括高空采集和小物体聚焦,推动了当前检测和跟踪能力的边界.
• 预计M3OT将大大推动基于无人机的车辆检测和跟踪应用的研究.