详细内容或原文请订阅后点击阅览
多摄像头无人机视觉系统的深度学习策略
近年来，随着无人机使用量的大幅增加，人们对其安全性的担忧也随之增加。在这方面，已经开发出一种新系统，该系统利用计算机视觉和深度学习算法来准确、快速地检测和跟踪无人机。
来源:Qudata多摄像头无人机视觉系统的深度学习策略
现代无人机通过深度学习和计算机视觉的融合变得越来越智能。在最近发表在《IPSJ 计算机视觉与应用学报》上的一项研究中，介绍了使用多摄像头系统和先进算法进行无人机检测和跟踪的创新方法。
IPSJ 计算机视觉与应用学报研究人员提出了一种由静态广角摄像头和带有高分辨率窄角摄像头的旋转转塔组成的系统。该系统可以检测远距离的小物体，并使用可变焦摄像头对其进行详细分析。该技术的核心是经过改进的 YOLOv3 架构，该架构针对快速准确的检测进行了优化。
研究中提出的系统由几个关键组件组成，每个组件在确保无人机检测和跟踪的高精度和高效率方面都发挥着至关重要的作用。
广角摄像头
广角摄像头广角摄像头安装在固定平台上，配备 16mm 焦距镜头，提供约 110° 的视野。这使摄像头能够覆盖大面积区域并进行长距离监控。摄像头可以以每秒约 25 帧的速度传输分辨率为 2000 x 1700 像素的图像。宽视野在最初检测地平线上的无人机等小物体时起着至关重要的作用，使系统能够快速响应视野范围内的新物体。
带窄角摄像头的旋转炮塔
带窄角摄像头的旋转炮塔基于 Linux 的主计算单元
基于 Linux 的主计算单元该创新系统可确保高精度和高速检测，非常适合用于安全和监视任务。它能够检测地平线上的无人机，跟踪其运动，并在必要时使用窄角摄像头对其进行分析。