我们解决这个问题的方法遵循一个两阶段流程:(1)自我运动估计和(2)检测和跟踪。这两个阶段都是完全卷积神经网络,可以扩展到高分辨率输入。它们在 Amazon Prime Air 发布的标记数据集上进行训练,该数据集包含 330 多万张飞机、直升机、无人机和其他飞行物体的图像。我们还开发了自己的飞机数据收集系统,并设计了一个定制的基于视觉的 DAA 有效载荷,用于飞行中相遇。通过对现实世界数据进行实证评估,我们的方法与两种基线检测和跟踪架构进行了比较,结果显示我们的方法更胜一筹。在 DAA 行业标准 (ASTM F3442/F3442M - 20) 的背景下分析我们的定量结果,我们还表明,所提出的方法可以满足某些类别的无人机的视觉 DAA 监视要求,这些无人机的最低巡航速度为 60-90kts,最低转弯率为 21-31 度/秒,最低爬升率为 250-500 英尺/分钟。