清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

UAV image target localization method based on outlier filter and frame buffer

帧(网络) 缓冲器(光纤) 人工智能 计算机科学 计算机视觉 离群值 滤波器(信号处理) 图像(数学) 模式识别(心理学) 电信
作者
Yang Wang,Hongguang Li,Xinjun Li,Zhipeng Wang,Baochang ZHANG
出处
期刊:Chinese Journal of Aeronautics [Elsevier]
标识
DOI:10.1016/j.cja.2024.02.014
摘要

With rapid development of UAV technology, research on UAV image analysis has gained attention. As the existing techniques of UAV target localization often rely on additional equipment, a method of UAV target localization based on depth estimation has been proposed. However, the unique perspective of UAVs poses challenges such as the significant field of view variations and the presence of dynamic objects in the scene. As a result, the existing methods of depth estimation and scale recovery cannot be directly applied to UAV perspectives. Additionally, there is a scarcity of depth estimation datasets tailored for UAV perspectives, which makes supervised algorithms impractical. To address these issues, an outlier filter is introduced to enhance the applicability of depth estimation networks to target localization. A frame buffer method is proposed to achieve more accurate scale recovery, so as to handle complex scene textures in UAV images. The proposed method demonstrates a 14.29% improvement over the baseline. Compared with the average recovery results from UAV perspectives, the difference is only 0.88%, approaching the performance of scale recovery using ground truth labels. Furthermore, to overcome the limited availability of traditional UAV depth datasets, a method for generating depth labels from video sequences is proposed. Compared to state-of-the-art methods, the proposed approach achieves higher accuracy in depth estimation and stands for the first attempt at target localization using image sequences. Proposed algorithm and dataset are available at https://github.com/uav-tan/uav-object-localization.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
红茸茸羊完成签到 ,获得积分10
22秒前
35秒前
racill完成签到 ,获得积分10
42秒前
研友_LmgOaZ完成签到 ,获得积分0
47秒前
Joker完成签到,获得积分10
48秒前
Leo完成签到 ,获得积分10
54秒前
小鱼女侠完成签到 ,获得积分10
56秒前
小白完成签到 ,获得积分10
1分钟前
Singularity举报日记求助涉嫌违规
1分钟前
1分钟前
wt发布了新的文献求助10
1分钟前
1分钟前
自觉的宇完成签到 ,获得积分10
1分钟前
1分钟前
Emon发布了新的文献求助10
1分钟前
1分钟前
快乐的七宝完成签到 ,获得积分10
2分钟前
细心无声完成签到 ,获得积分10
2分钟前
2分钟前
蓝意完成签到,获得积分0
2分钟前
naczx完成签到,获得积分10
2分钟前
Singularity举报榴下晨光求助涉嫌违规
2分钟前
刚子完成签到 ,获得积分0
3分钟前
3分钟前
无名草0502完成签到 ,获得积分10
3分钟前
3分钟前
风秋杨完成签到 ,获得积分10
3分钟前
鲤鱼安青完成签到 ,获得积分10
3分钟前
SamuelLiu完成签到,获得积分10
3分钟前
林利芳完成签到 ,获得积分10
4分钟前
lielizabeth完成签到 ,获得积分0
4分钟前
4分钟前
4分钟前
JJ完成签到 ,获得积分10
4分钟前
4分钟前
陶醉的翠霜完成签到 ,获得积分10
4分钟前
852应助123采纳,获得30
5分钟前
张丫丫完成签到,获得积分10
5分钟前
小西完成签到 ,获得积分10
5分钟前
5分钟前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099800
求助须知:如何正确求助?哪些是违规求助? 2751277
关于积分的说明 7612138
捐赠科研通 2403037
什么是DOI,文献DOI怎么找? 1275146
科研通“疑难数据库(出版商)”最低求助积分说明 616276
版权声明 599053