경계 인식 열적외선 UAV 군집 추적

초록

열적외선(TIR) 영상은 시각적 열화 환경에서 무인기 군집 운용에 필수적이다. 하지만 제한된 외형 단서, 빈번한 가려짐, 그리고 급속한 기동으로 인해 소형 무인기 추적은 여전히 어려운 과제이다. Anti-UAV 챌린지와 같은 벤치마크에 의해 상당한 진전이 있었음에도 불구하고, 기존 방법들은 주로 정확도를 우선시하면서 실시간 엣지 배치의 연산 제약을 간과하고 있다. 표준 칼만 필터(KF)는 엣지 장치에 필요한 효율성을 제공하지만, 그 등속 가정은 고도로 동적인 무인기 운동과 열 센서 지터 하에서 자주 붕괴된다. 보다 정교한 비선형 추정기는 강건성을 향상시킬 수 있지만 종종 추가적인 연산 비용을 초래한다. 이러한 격차를 해소하기 위해, 우리는 실시간 효율성을 유지하면서 상태 의존적 운동학 모델링으로 선형 KF를 보강하는 적응형 운동학 칼만 필터(AKKF)를 중심으로 한 엣지 인식 온라인 추적 파이프라인을 제안한다. 일시적 오탐지 억제 및 운동학 기반 예측 코스팅과 결합하여, 제안된 파이프라인은 까다로운 TIR 조건에서 궤적 연속성을 개선한다. Beyond Strong Baseline (BSB) 벤치마크에 대한 실험은 추적 성능과 연산 효율성을 함께 평가함으로써 엣지 인식 무인기 추적을 위한 출발점을 제공하며, 향후 실시간 배치에 대한 통찰력을 제시한다.

English

Thermal infrared (TIR) imaging is essential for UAV swarm operations in visually degraded environments. However, tracking tiny UAVs remains challenging due to limited appearance cues, frequent occlusions, and rapid maneuvers. Despite significant progress driven by benchmarks such as the Anti-UAV challenge, existing methods primarily prioritize accuracy while overlooking the computational constraints of real-time edge deployment. The standard Kalman Filter (KF) offers the efficiency required for edge devices, yet its constant-velocity assumption often breaks down under highly dynamic UAV motion and thermal sensor jitter. More sophisticated nonlinear estimators can improve robustness but often introduce additional computational costs. To address this gap, we propose an edge-aware online tracking pipeline centered on the Adaptive Kinematic Kalman Filter (AKKF), which augments the linear KF with state-dependent kinematic modeling while preserving real-time efficiency. Combined with transient false-positive suppression and kinematics-driven predictive coasting, the presented pipeline improves trajectory continuity under challenging TIR conditions. Experiments on the Beyond Strong Baseline (BSB) benchmark provide a starting point for edge-aware UAV tracking by jointly evaluating tracking performance and computational efficiency, offering insights toward future real-time deployment.