邊緣感知紅外熱成像無人機群體追蹤
為何重要
UAV Swarm 在視覺惡化場景（如輻射或夜間）的運作仰賴即時處理能力，本研究透過 AKKF 平衡了高精度擬合與計算資源的衝突，為邊境監控與救災部署提供了具實用性的技術路徑。將複雜的非線性估計改寫為邊緣友好的濾波器架構，給開發者提供了最佳化受限算力裝置視覺系統的參考樣板。未來若能將此邊緣運算框架套用至具體國防或商用 UAV 硬體平臺，有望加速智慧偵測的實場落地。
- 研究提出名為 Edge-Aware Online Tracking Pipeline 的解決方案，核心運用 Adaptive Kinematic Kalman Filter (AKKF) 在保持邊緣即時效率的同時，解決傳統 KF 在高速機動下失效的問題。
- 該方法匯入運動學驅動的預測性滑行與短暫假陽性抑制技術，提升熱成像在具挑戰性環境下的軌跡連續性。
- 在 Beyond Strong Baseline (BSB) 基準上的評估結果，同時檢視了演算法的效能與計算效率，為未來實際部署提供啟發。