1大國(guó)低空方略《低空時(shí)空?qǐng)鲋卫斫】刀热S感知專(zhuān)題報(bào)告》規(guī)劃周期：2026-2035年決的關(guān)鍵課題。本報(bào)告旨在系統(tǒng)探討“低空時(shí)備）等方面的整體狀態(tài)。對(duì)健康度的精準(zhǔn)感知是實(shí)現(xiàn)智能治理的前提和基“全維感知”是本報(bào)告的技術(shù)核心。它意味著感知手段的多元化、立體化和智2技術(shù)。智能（第七章即無(wú)人機(jī)如何通過(guò)感知-決策-行動(dòng)的閉環(huán)，主動(dòng)適應(yīng)并改造環(huán)境。低空SLAM建圖（第八章）則為無(wú)人機(jī)在未知環(huán)境中實(shí)現(xiàn)自主定位與地圖3第一章低空底層視覺(jué)命是解決“能否看清”和“如何看得更清”的根本問(wèn)題，致力于提升原始數(shù)據(jù)的清晰極限，往往不取決于后端的人工智能算法有多強(qiáng)大，而受制于前端傳感器“看到”1.賦能高層視覺(jué)任務(wù)：高質(zhì)量的輸入圖像是目標(biāo)檢測(cè)、識(shí)別、分割、跟蹤2.擴(kuò)展無(wú)人機(jī)的作業(yè)邊界：通過(guò)先進(jìn)的算法補(bǔ)償硬件和環(huán)境限制，使無(wú)人43.降低系統(tǒng)整體成本與能耗：軟件算法的進(jìn)步可以在一定程度上彌補(bǔ)硬件5.保障飛行與作業(yè)安全：清晰的實(shí)時(shí)視覺(jué)反饋，對(duì)于無(wú)人機(jī)自身的視覺(jué)定1.復(fù)雜運(yùn)動(dòng)模糊：無(wú)人機(jī)在飛行中受到風(fēng)擾、自身機(jī)動(dòng)（加5l劇烈與極端光照變化：無(wú)人機(jī)可能在短時(shí)間內(nèi)經(jīng)歷向陽(yáng)與背陰、直射光6l視角獨(dú)特與背景復(fù)雜：鳥(niǎo)瞰或傾斜視角導(dǎo)致目標(biāo)外觀、形狀與常見(jiàn)地面分為兩大類(lèi)別：退化恢復(fù)類(lèi)任務(wù)和信息增強(qiáng)類(lèi)中，逆向其退化過(guò)程，盡可能恢復(fù)出清晰、l超分辨率重建：解決“看不清”的問(wèn)題。從單張或多張低分辨率圖像，重l惡劣天氣退化去除：解決“看不見(jiàn)”的問(wèn)題。專(zhuān)門(mén)針對(duì)霧、霾、雨、雪等7運(yùn)動(dòng)去模糊：估計(jì)并消除因相機(jī)與場(chǎng)景相對(duì)運(yùn)動(dòng)造l圖像/視頻修復(fù)：解決“信息缺失”的問(wèn)題。對(duì)圖像或視頻序列中因遮擋、l圖像/視頻壓縮：一種特殊的“可控退化與恢復(fù)”任務(wù)。在編碼端有損地壓1.低光增強(qiáng)：解決“太暗了”的問(wèn)題。提升在光照不足條件下拍攝圖像的亮2.多源圖像/視頻融合：解決“信息單一”的問(wèn)題。將來(lái)自不同傳感器（如可一幅包含多模態(tài)信息（紋理+熱輻射+光譜特征）的綜合圖像，實(shí)現(xiàn)信息互補(bǔ)，81.2退化恢復(fù)類(lèi)任務(wù)9關(guān)系。從HR-LR圖像對(duì)訓(xùn)練集中學(xué)習(xí)一個(gè)過(guò)完備字典高效上采樣：ESPCN提出亞像素卷積層，在網(wǎng)絡(luò)的低維特征圖上進(jìn)行殘差密集連接：EDSR移除批歸一化以穩(wěn)定訓(xùn)練，采用簡(jiǎn)化殘差塊。l生成對(duì)抗網(wǎng)絡(luò)的引入：SRGAN首次將GAN用于SR，其生成器基于ResNet，判別器區(qū)分真實(shí)HR與重建HR。通過(guò)結(jié)合感知損失和對(duì)抗損失，l視頻超分辨率利用連續(xù)幀間的冗余和時(shí)間一致性信息，通常能獲得比循環(huán)神經(jīng)網(wǎng)絡(luò)法：使用RNN、ConvLSTM或3DCNN處理時(shí)序信息，l計(jì)算資源限制：需模型輕量化（剪枝、量化、知識(shí)蒸餾、高效神經(jīng)架構(gòu)I(r)=J(ar)t(r)+A(1-t(ar))去霧目標(biāo)是從I估計(jì)、t和A，是一個(gè)病態(tài)問(wèn)題。至少有一個(gè)顏色通道的像素值非常低。利用該先驗(yàn)可有效估計(jì)透射率和大氣l端到端映射學(xué)習(xí)：直接學(xué)習(xí)有霧到無(wú)霧的圖像轉(zhuǎn)換，如DehazeNet、一、運(yùn)動(dòng)去模糊運(yùn)動(dòng)模糊過(guò)程建模為清晰圖像Isharp與模糊核k的卷積Ibur=Isharp因k十n71.上下文編碼器、部分卷積：部分卷積在卷積時(shí)二、基于深度學(xué)習(xí)的壓縮旨在用神經(jīng)網(wǎng)絡(luò)替代1.端到端圖像壓縮：基于變分自編碼器結(jié)構(gòu)。編碼器將圖像轉(zhuǎn)換為潛在表Hyperprior模型是里程碑工作。1.低延遲：實(shí)時(shí)圖傳需要低延遲配置。1.3信息增強(qiáng)類(lèi)任務(wù)l直方圖處理：直方圖均衡化（HE）及其l基于Retinex理論：將圖像分解為反射分量（物體本質(zhì)顏色紋理）和光l基于Retinex分解的深度學(xué)習(xí)：RetinexNet是代表性框架，網(wǎng)絡(luò)學(xué)習(xí)傳統(tǒng)多尺度變換：如小波變換、NSST，在不同尺度上采用不同融合規(guī)2.方法：傳統(tǒng)有成分替換、MRA等。深度學(xué)習(xí)方法使用3DCNN或1.4底層視覺(jué)質(zhì)量評(píng)估1.5典型低空底層視覺(jué)數(shù)據(jù)集1.6本章小結(jié)層感知任務(wù)進(jìn)行端到端協(xié)同優(yōu)化，并深度集成構(gòu)建出能適應(yīng)極端復(fù)雜環(huán)境的高性能低空智能視覺(jué)第二章低空大模型2.1前言數(shù)據(jù)上訓(xùn)練的“窄模型”。它們?cè)谝阎吔鐑?nèi)劃與控制任務(wù)中，從而將低空智能從“手工作坊”式的2.2低空大模型“低空大模型”是一個(gè)領(lǐng)域特定的概念，泛指那些經(jīng)過(guò)大規(guī)模預(yù)訓(xùn)練，并能夠7.領(lǐng)域適應(yīng)層：通過(guò)持續(xù)預(yù)訓(xùn)練、指令微調(diào)等技術(shù)，將通用知識(shí)向低空領(lǐng)4.提示驅(qū)動(dòng)的分割范式：支持點(diǎn)、框、掩碼、文本等多種交互式提示，引5.零樣本泛化能力：在超過(guò)10億掩碼的超大規(guī)模數(shù)據(jù)集上訓(xùn)練，使其無(wú)學(xué)習(xí)強(qiáng)大的上下文表征能力。其目標(biāo)函數(shù)可簡(jiǎn)化為重建像素的均其中，$\hat{I}_{masked}似樣本。SimCLR、MoCo是經(jīng)典方法。對(duì)于低空多視角圖像，對(duì)比學(xué)習(xí)能自l低空視覺(jué)預(yù)訓(xùn)練數(shù)據(jù)：構(gòu)建包含海量衛(wèi)星影像、航空照片、無(wú)人機(jī)視頻P(ax]r1:t-1)=softmax(w·ht)l開(kāi)源模型繁榮：Meta的LLaMA、清華的ChatGLM、阿里的Qwen等l低空領(lǐng)域適應(yīng)：通用語(yǔ)言模型缺乏航空術(shù)語(yǔ)、空域規(guī)則等專(zhuān)業(yè)知識(shí)。需l意圖理解與指令解析：將“下午三點(diǎn)巡檢A到B的輸電線(xiàn)路，發(fā)現(xiàn)異常l高層任務(wù)規(guī)劃分解：將“執(zhí)行城市安防巡邏”分解為具體航路點(diǎn)、飛行高成包含異常描述、風(fēng)險(xiǎn)等級(jí)和維護(hù)建議的結(jié)構(gòu)化查詢(xún)Transformer連接凍結(jié)的圖像編碼器和語(yǔ)言模型，以極少的可訓(xùn)練參數(shù)實(shí)lFlamingo：能處理任意交錯(cuò)的圖像/視頻和文本序列，通過(guò)門(mén)控交叉注l以**GPT-4V(ision)**l多模態(tài)檢索與信息關(guān)聯(lián)：用圖片或文字描述在低空影像庫(kù)中檢索5.預(yù)訓(xùn)練挑戰(zhàn)：與自然圖像存在領(lǐng)域鴻溝；標(biāo)注稀缺；任務(wù)多樣。l基于Transformer的通用遙感特征學(xué)習(xí)器：4.RingMo：專(zhuān)注于遙感的多模態(tài)基礎(chǔ)模型，采用環(huán)形架構(gòu)理狀態(tài)演變）以及仿真與合成數(shù)據(jù)驅(qū)動(dòng)的預(yù)2.3大模型訓(xùn)練與微調(diào)技術(shù)GPT或T5類(lèi)架構(gòu)。多模態(tài)融合采用早期融合、晚期融合或橋接式融合（如3.原理：在Transformer注意力層的投影矩陣旁，引入一對(duì)可訓(xùn)練的低秩矩陣A和。假設(shè)原始權(quán)重為weRdxk，前向傳播時(shí)，更新后的權(quán)重為只更新A和。4.優(yōu)點(diǎn)：極大減少可訓(xùn)練參數(shù)量（通常0.1%-1%多個(gè)任務(wù)可共享基礎(chǔ)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模塊（通常為下投影-非線(xiàn)性-上投影結(jié)構(gòu)）。微調(diào)時(shí)只訓(xùn)練這些l原理：在輸入序列起始處添加一系列可學(xué)習(xí)的連續(xù)向量（軟提示）作為6.在低空的應(yīng)用：用于優(yōu)化任務(wù)規(guī)劃模型，使其生成的任務(wù)計(jì)劃更符合安4.大模型作為強(qiáng)化學(xué)習(xí)的核心組件：2.4模型壓縮技術(shù)3.在低空大模型部署中的應(yīng)用：l大語(yǔ)言模型使用4-bit分組量化（如GPTQ）是邊2.剪枝準(zhǔn)則：如何判斷“不重要”？3.剪枝流程：通常是迭代過(guò)程：訓(xùn)練大模型->評(píng)估重要性并剪枝->對(duì)4.低空應(yīng)用考量：結(jié)構(gòu)化剪枝（通道剪枝、注意力頭剪枝）是更實(shí)用的選l輸出蒸餾：使用教師模型產(chǎn)生的軟標(biāo)簽（包含類(lèi)別間相對(duì)關(guān)系）作為學(xué)輕量化的CNN或小型Transf2.5數(shù)據(jù)安全l訓(xùn)練數(shù)據(jù)泄露：攻擊者可能通過(guò)成員推斷攻擊判斷特定樣本是否在訓(xùn)練l在低空的應(yīng)用：多個(gè)機(jī)構(gòu)（如電力、鐵路公司）可協(xié)作訓(xùn)練通用異常檢l挑戰(zhàn)：通信開(kāi)銷(xiāo)大；數(shù)據(jù)分布非獨(dú)立同分布影響性能；仍存在從梯度反l使用生成模型生成與真實(shí)數(shù)據(jù)分布相似但不包含敏感信息的合成數(shù)據(jù)用2.6本章小結(jié)成為實(shí)現(xiàn)無(wú)人機(jī)完全自主的“認(rèn)知核心”。低空大模型正將低空智能從“感知智能”第三章目標(biāo)檢測(cè)和分割技術(shù)演進(jìn)脈絡(luò)表明，低空目標(biāo)感知技術(shù)發(fā)展可分為三個(gè)階段：第一階段的方法大幅提升了檢測(cè)性能；第三階段（2018年至今）Transformer架構(gòu)、注挑戰(zhàn)主要源于平臺(tái)特性、成像條件和應(yīng)用需求需要設(shè)計(jì)多尺度特征融合機(jī)制和尺度不變的特征表標(biāo)注了飛機(jī)、船舶、車(chē)輛、運(yùn)動(dòng)場(chǎng)等15個(gè)類(lèi)別。圖像分辨率從800×800到新興技術(shù)路線(xiàn)包括基于Transformer的檢測(cè)器（如DETR系列通過(guò)自注硬件條件、精度要求等因素進(jìn)行綜合選擇和過(guò)深度神經(jīng)網(wǎng)絡(luò)從圖像中直接學(xué)習(xí)目標(biāo)的位置別，顯著提升了檢測(cè)速度。YOLO系列算法是這一范式的典型代表。YOLOv3SSD算法通過(guò)在多個(gè)特征圖上設(shè)置不同尺度的默認(rèn)框，實(shí)現(xiàn)了多尺度目標(biāo)基于Transformer的檢測(cè)算法代表了最新的技術(shù)趨勢(shì)。DETR首次將器-解碼器結(jié)構(gòu)直接輸出目標(biāo)預(yù)測(cè)結(jié)果。雖然DETR避免了NMS后處理，但其征。GlidingVertex將旋轉(zhuǎn)框檢測(cè)轉(zhuǎn)化為頂點(diǎn)回歸問(wèn)題，避免了角度周期性帶來(lái)密集小目標(biāo)檢測(cè)面臨目標(biāo)重疊、特征混淆的挑戰(zhàn)。RepPoint通過(guò)代表性點(diǎn)自注意力機(jī)制顯式建模目標(biāo)間的關(guān)系，在雜亂背景中準(zhǔn)確分離目標(biāo)。SANet引EfficientDet通過(guò)復(fù)合縮放方法統(tǒng)一優(yōu)化網(wǎng)絡(luò)寬度、深度和分辨率，在多個(gè)尺度端的密集預(yù)測(cè)。U-Net采用編碼器-解碼器結(jié)構(gòu)，通過(guò)跳躍連接融合淺層細(xì)節(jié)和深層語(yǔ)義信息，特別適合無(wú)人機(jī)圖像中的小目標(biāo)分割。DeepLab系列通過(guò)空洞卷積擴(kuò)大感受野，使用ASPP模塊捕獲多尺度上下文，在復(fù)雜場(chǎng)景分割中表現(xiàn)針對(duì)無(wú)人機(jī)圖像的語(yǔ)義分割，需要特別考慮尺度變化和計(jì)算效率的平衡。實(shí)例分割技術(shù)在語(yǔ)義分割基礎(chǔ)上區(qū)分不同實(shí)例。MaskR-CNN在Faster例分割。YOLACT將實(shí)例分割分解為原型生成和掩碼系數(shù)預(yù)測(cè)兩個(gè)并行任務(wù)，實(shí)例ID。PanopticFPN在分割技術(shù)的發(fā)展使得無(wú)人機(jī)視覺(jué)感知從粗糙的邊界框定位走向精細(xì)的像素檢測(cè)簡(jiǎn)化為關(guān)鍵點(diǎn)檢測(cè)和尺寸回歸問(wèn)題，避免了復(fù)雜的2D-3D匹配。由于單目塔池化模塊聚合多尺度上下文信息，提升了立體匹配的精度?；诹Ⅲw視覺(jué)的基于點(diǎn)云的三維檢測(cè)直接處理激光雷達(dá)或雙目視覺(jué)生成的點(diǎn)云數(shù)據(jù)。PointRCNN首先生成3D候選框，然后在點(diǎn)云空間中進(jìn)行精細(xì)回歸。VoxelNet將點(diǎn)云體素化后使用3D卷積進(jìn)行處理，避免了點(diǎn)云不規(guī)則性帶來(lái)的問(wèn)題。多模態(tài)融合三維檢測(cè)結(jié)合圖像和點(diǎn)云的優(yōu)勢(shì)。MV3D通過(guò)ROI池化在多視這些指標(biāo)從不同維度反映了算法的精度、召回率、定位準(zhǔn)確性和計(jì)的表現(xiàn)。A8.交并比（IoU）與平均交并比（MeanIoU,mIoU分割任務(wù)中最核心l小目標(biāo)評(píng)估指標(biāo)：傳統(tǒng)的mAP可能無(wú)法充分反映小目標(biāo)檢測(cè)性能。常但FPS通常低于30，適用于對(duì)實(shí)時(shí)性要求不極致的巡檢、測(cè)繪等任務(wù)。l單階段檢測(cè)器（如YOLOv5,YOLOX,PP-YOLOE在速度-精度上表現(xiàn)優(yōu)異。最新的YOLO系列變體通過(guò)更高效的網(wǎng)絡(luò)設(shè)計(jì)（如CSPNet、的復(fù)雜遙感檢測(cè)數(shù)據(jù)集上達(dá)到了SOTA性能。但其模型參數(shù)量和計(jì)算開(kāi)銷(xiāo)仍較l小目標(biāo)檢測(cè)：專(zhuān)門(mén)設(shè)計(jì)的算法（如添加注意力模塊、改進(jìn)特征金字塔、Cityscapes等數(shù)據(jù)集上能在超過(guò)100FPS的速度下保持75%以上的mIoU。在DeformableDETR為代表的強(qiáng)大型同時(shí)輸出檢測(cè)框、分割掩碼和關(guān)鍵點(diǎn)）和面向開(kāi)放世界的檢測(cè)（利用視覺(jué)-語(yǔ)入解讀：從奠定基礎(chǔ)的通用檢測(cè)算法（兩階段與單階段范式到應(yīng)對(duì)特定挑戰(zhàn)的針對(duì)性算法（小目標(biāo)檢測(cè)、旋轉(zhuǎn)檢測(cè)、密集目標(biāo)檢測(cè)再到提供更精細(xì)感知為核心算法選型、優(yōu)化及應(yīng)用系統(tǒng)開(kāi)發(fā)提供了堅(jiān)實(shí)的理論依據(jù)和7.更高精度與效率的極致平衡：探索更高效的神經(jīng)網(wǎng)絡(luò)架構(gòu)（如神經(jīng)架構(gòu)8.開(kāi)放集與長(zhǎng)尾問(wèn)題：當(dāng)前模型對(duì)訓(xùn)練集中未見(jiàn)過(guò)的目標(biāo)類(lèi)別或（長(zhǎng)尾分布）表現(xiàn)不佳。未來(lái)需要發(fā)展開(kāi)集識(shí)別、零/少樣本學(xué)習(xí)和持續(xù)學(xué)習(xí)能9.三維與時(shí)空聯(lián)合理解：從二維圖像理解邁向三維場(chǎng)景理解是必然趨勢(shì)。10.模型輕量化與專(zhuān)用硬件加速：開(kāi)發(fā)面向無(wú)人機(jī)芯片（如華為第四章低空目標(biāo)追蹤標(biāo)的初始狀態(tài)（位置、尺度持續(xù)預(yù)測(cè)其后續(xù)運(yùn)動(dòng)軌跡。傳統(tǒng)追蹤算法主要服視角的局限。這使得追蹤技術(shù)從“被動(dòng)監(jiān)控”走向了“主動(dòng)凝視”，在公共安全、影16.極端的視角與尺度變化：無(wú)人機(jī)可從任意角度和高度觀測(cè)目器必須具備極強(qiáng)的表觀適應(yīng)能力和尺度估計(jì)18.頻繁且嚴(yán)重的遮擋：在復(fù)雜城市或自19.復(fù)雜動(dòng)態(tài)背景與干擾：無(wú)人機(jī)俯瞰視角下的背景多為動(dòng)態(tài)變化的20.嚴(yán)格的實(shí)時(shí)性與資源約束：機(jī)載計(jì)算資源（算力、內(nèi)存不同類(lèi)型的任務(wù)，其評(píng)價(jià)標(biāo)準(zhǔn)和算法設(shè)計(jì)的側(cè)重點(diǎn)各不相同。例如，SOT到深度學(xué)習(xí)，再到兩者融合與Transformer革新的演進(jìn)14.應(yīng)對(duì)尺度變化與邊界效應(yīng)：SAMF、DSST通過(guò)15.深度特征融合：HCF、C-COT、ECO等里程碑工作將深度卷積特征引注意力機(jī)制增強(qiáng)：SiamAttn、SiamGAT等引入自注意力或圖注意力機(jī)等通過(guò)神經(jīng)架構(gòu)搜索或設(shè)計(jì)更輕量的網(wǎng)絡(luò)，進(jìn)一步壓縮模型，使其能在嵌入式碼器-解碼器架構(gòu)。編碼器學(xué)習(xí)各自的特征表追蹤穩(wěn)定性。但當(dāng)前其計(jì)算成本仍是部署的四、無(wú)人機(jī)SOT的針對(duì)性改進(jìn)針對(duì)4.1.2l應(yīng)對(duì)尺度劇變：采用多分辨率搜索策略或自適應(yīng)搜索區(qū)域機(jī)制。一些算學(xué)習(xí)到的特征對(duì)視角、姿態(tài)變化具有一定不變性。FastReID、BoT等是常用模l數(shù)據(jù)關(guān)聯(lián)：這是MOT的核心與靈魂，其任務(wù)是將當(dāng)前幀的檢測(cè)與已有運(yùn)動(dòng)關(guān)聯(lián)：基于目標(biāo)運(yùn)動(dòng)的連續(xù)性假設(shè)?？柭鼮V波器是最常用的運(yùn)動(dòng)另一個(gè)用于提取Re-ID特征。所有任務(wù)共享大部分特征，通過(guò)多任務(wù)損失進(jìn)行和繁瑣流程，推理速度更快。然而，檢測(cè)任務(wù)和Re-ID任務(wù)對(duì)特征的需求存在l工作原理：將上一幀的軌跡查詢(xún)（trackqueries）和當(dāng)前幀的圖像特征l實(shí)時(shí)性約束：復(fù)雜的關(guān)聯(lián)算法（如基于圖神經(jīng)網(wǎng)絡(luò)的）難以應(yīng)用。l記憶與遺忘機(jī)制：如何管理目標(biāo)的外觀模型記憶是關(guān)鍵。需要存模板庫(kù)、基于時(shí)間的遺忘策略或基于注意力權(quán)重的模板選擇被廣主動(dòng)視覺(jué)伺服：將追蹤問(wèn)題轉(zhuǎn)化為控制問(wèn)題。根據(jù)目標(biāo)在圖像中的偏移保持在圖像中心。這需要極低的追蹤延遲和穩(wěn)定的控?zé)o人機(jī)目標(biāo)追蹤的評(píng)估指標(biāo)需兼顧追蹤精度、魯l重疊率精度：計(jì)算預(yù)測(cè)邊界框與真實(shí)邊界框的IoU。統(tǒng)計(jì)IoU大于給定閾值（通常為0.5）的幀數(shù)百分比。這綜合反映了定位和尺度估計(jì)的精度。l不同場(chǎng)景復(fù)雜度下的性能：評(píng)估在密集人群、交通路口、開(kāi)闊地等不同化和晝夜差異。它提供了車(chē)輛包圍盒和對(duì)應(yīng)ID標(biāo)注，是評(píng)估無(wú)人機(jī)現(xiàn)了無(wú)人機(jī)在城市上空觀測(cè)時(shí)遇到的典型挑戰(zhàn)，是目前最具挑戰(zhàn)性的無(wú)人機(jī)平衡的孿生網(wǎng)絡(luò)，再到憑借強(qiáng)大全局建模能力嶄露頭角的Transformer架構(gòu)，SOT算法的演進(jìn)體現(xiàn)了從手工特征到深度表征，再到結(jié)構(gòu)創(chuàng)新的發(fā)展邏輯。針7.多目標(biāo)追蹤：我們深入剖析了主流的“檢測(cè)-追蹤”范式，揭示了檢測(cè)、特到JDE/FairMOT的聯(lián)合優(yōu)化嘗試新范式，MOT技術(shù)正朝著更統(tǒng)一、更智能的方向演進(jìn)。針對(duì)無(wú)人機(jī)平臺(tái)運(yùn)動(dòng)和8.挑戰(zhàn)場(chǎng)景任務(wù)：面向長(zhǎng)時(shí)追蹤、無(wú)人機(jī)互追、跨模態(tài)追蹤等現(xiàn)實(shí)難題，7.多模態(tài)與跨模態(tài)感知深度融合：可見(jiàn)光、紅外、熱成像、雷達(dá)、聲音等9.面向開(kāi)放世界的自適應(yīng)與終身學(xué)習(xí)：當(dāng)前算法多在有限數(shù)10.群體智能與協(xié)同追蹤：多架無(wú)人機(jī)組成的群體將通過(guò)通信共享局部感知的決策依據(jù)（如關(guān)注了目標(biāo)的哪些特征對(duì)于構(gòu)建可靠、負(fù)責(zé)任的低空智能系的空中智能體”，在物流配送、城市治理、環(huán)境保護(hù)、國(guó)防安全等眾多領(lǐng)域創(chuàng)造第五章低空目標(biāo)計(jì)數(shù)應(yīng)用場(chǎng)景與戰(zhàn)略?xún)r(jià)值低空目標(biāo)計(jì)數(shù)技術(shù)正深入到經(jīng)濟(jì)社會(huì)發(fā)展的多個(gè)關(guān)鍵21.智慧城市與交通管理：通過(guò)無(wú)人機(jī)定核心挑戰(zhàn)與獨(dú)特性低空目標(biāo)計(jì)數(shù)任務(wù)繼承并放大了無(wú)人機(jī)視覺(jué)的一般性挑目標(biāo)在圖像中可視部分可能不足50%，甚至完全被相鄰目標(biāo)掩蓋。傳統(tǒng)的基于l尺度與分辨率的極端反差：無(wú)人機(jī)可以在短時(shí)間內(nèi)從數(shù)百米高空巡航至l類(lèi)別內(nèi)差異與類(lèi)別間混淆：同一類(lèi)別目標(biāo)（如“汽車(chē)”）因型號(hào)、顏色、l標(biāo)注成本與泛化需求：獲取密集場(chǎng)景下精確的點(diǎn)級(jí)或框級(jí)標(biāo)注極其耗時(shí)15.深化期（2018年至今研究重點(diǎn)轉(zhuǎn)向解決更復(fù)雜的實(shí)際間關(guān)系；VisionTransformer開(kāi)始替代CNN作為骨干網(wǎng)絡(luò)，以獲取更強(qiáng)低空目標(biāo)計(jì)數(shù)的核心是建立從圖像像素到目標(biāo)數(shù)量或空間密度分布的映射2)通過(guò)高斯核的方差模擬目標(biāo)在圖像中的空間占據(jù)（尺度3)在標(biāo)注存在輕模型（通常是一個(gè)深度神經(jīng)網(wǎng)絡(luò)fo）的目標(biāo)是學(xué)習(xí)參數(shù)，以最小化預(yù)測(cè)密度圖與真實(shí)密度圖D;之間的差異，常用損失函數(shù)為像素的目標(biāo)。三列的特征圖在最后進(jìn)行融合，再通過(guò)1×1卷積生成密度有不同膨脹率的空洞卷積層（DilatedConvolution在不降低特征圖分辨率、絡(luò)能自適應(yīng)的聚焦于目標(biāo)區(qū)域，并增強(qiáng)判別性特征通道的權(quán)重。ADCrowdNetVisionTransformer作為骨干網(wǎng)絡(luò)。Transformer的自注意力機(jī)制能天然地建模知目標(biāo)計(jì)數(shù)成為當(dāng)前最具前瞻性的研究方向。其核心思想是讓模型不依賴(lài)于任或語(yǔ)義描述（零樣本動(dòng)態(tài)地學(xué)習(xí)識(shí)別和計(jì)數(shù)用戶(hù)感興趣少樣本計(jì)數(shù)旨在通過(guò)極少數(shù)量的標(biāo)注示例（通常為1到5個(gè)包含目標(biāo)實(shí)例詢(xún)圖像與示例相似度的匹配/適應(yīng)模塊。在訓(xùn)練階段，模型在包含多種類(lèi)別的元圖。FamNet是這一路徑的代表，它通過(guò)一個(gè)輕量化的匹配模塊，實(shí)意力機(jī)制來(lái)動(dòng)態(tài)地、有選擇地聚合支持集示例的信息。CFCNet引入了交叉注能更好地處理示例與查詢(xún)圖像中目標(biāo)外觀存在l在低空?qǐng)鼍暗膽?yīng)用潛力與挑戰(zhàn)：少樣本計(jì)數(shù)為無(wú)人機(jī)應(yīng)對(duì)層出不窮的新基于CLIP的文本引導(dǎo)密度估計(jì)：這是最直接的方法。利用預(yù)訓(xùn)練好的-視覺(jué)響應(yīng)圖。這個(gè)響應(yīng)圖高亮的區(qū)域即可能包含目標(biāo)。隨后，可以通過(guò)一個(gè)可學(xué)習(xí)的映射模塊或簡(jiǎn)單的后處理（如閾值化、高斯平滑將響應(yīng)圖轉(zhuǎn)化為密度圖。ZeroshotCrowd等早期工作展示了這一視覺(jué)-語(yǔ)言聯(lián)合微調(diào)與適配：直接使用CLIP的相定位精度不足。更先進(jìn)的方法（如CounTR、CLIP-Count）在CLIP的基礎(chǔ)上從類(lèi)別名到密度原型的生成：一些研究探索不直接依賴(lài)大規(guī)模圖文對(duì)?！懊芏仍汀被颉疤卣髟汀?，然后將其用于與圖像特征的匹配。這類(lèi)方法對(duì)預(yù)訓(xùn)練l在低空?qǐng)鼍暗淖兏镄砸饬x：零樣本計(jì)數(shù)將徹底改變?nèi)藱C(jī)交互模式。操作規(guī)搭建的藍(lán)色工棚”，無(wú)人機(jī)系統(tǒng)即可理解并執(zhí)行。這極大地提升了系統(tǒng)的靈活發(fā)展的基石。本節(jié)將系統(tǒng)介紹該領(lǐng)域常用的數(shù)據(jù)集與核心評(píng)RMSE對(duì)較大的誤差更為敏感，能懲罰那些出現(xiàn)嚴(yán)重計(jì)數(shù)失誤的樣本，衡量模l結(jié)構(gòu)相似性指數(shù)：從亮度、對(duì)比度、結(jié)構(gòu)三個(gè)方面比較兩幅圖像的相似其生成的密度圖在空間分布上也應(yīng)與真實(shí)情況車(chē)場(chǎng)數(shù)據(jù)集。它們?yōu)檠芯扛┮?斜視視角下的規(guī)則排列目表了更具顛覆性的范式轉(zhuǎn)移。它們通過(guò)元學(xué)習(xí)、度量學(xué)習(xí)或視覺(jué)-語(yǔ)言大模型，l極端場(chǎng)景下的可靠性：在目標(biāo)密度接近“像素級(jí)”、遮擋率超過(guò)90%、或l高效與輕量化：現(xiàn)有的高精度模型，尤其是基于Transformer的模型，l大規(guī)模、高質(zhì)量、開(kāi)放的低空數(shù)據(jù)生態(tài)：推動(dòng)技術(shù)發(fā)展的根本驅(qū)動(dòng)力是步將直接決定無(wú)人機(jī)作為“空中數(shù)據(jù)采集器”第六章低空反無(wú)人機(jī)會(huì)經(jīng)濟(jì)效益的同時(shí)，其濫用與惡意使用所構(gòu)經(jīng)授權(quán)或具有惡意的無(wú)人機(jī)，通常被稱(chēng)為“黑飛”或“惡意無(wú)人機(jī)”，已成為全球范圍內(nèi)公共安全、關(guān)鍵基礎(chǔ)設(shè)施防護(hù)、隱私保護(hù)和空域管理面臨的嚴(yán)峻理破壞；在軍事領(lǐng)域，低成本的小型無(wú)人機(jī)已成25.感知探測(cè)子系統(tǒng)：負(fù)責(zé)在復(fù)雜背景中發(fā)現(xiàn)潛在無(wú)人機(jī)目標(biāo)。這是本章的26.識(shí)別與跟蹤子系統(tǒng)：對(duì)探測(cè)到的目標(biāo)進(jìn)行身份確認(rèn)（是無(wú)人機(jī)、鳥(niǎo)類(lèi)還頻段分析無(wú)線(xiàn)電信令、圖傳信號(hào)或遙控信號(hào)的頻譜特征、調(diào)制方式、協(xié)議指l原理：利用麥克風(fēng)陣列采集目標(biāo)無(wú)人機(jī)旋翼和電機(jī)產(chǎn)生的獨(dú)特聲學(xué)頻譜特征（特定頻率的諧波通過(guò)聲源定位算法確l挑戰(zhàn)：作用距離短（通常<1公里受環(huán)境噪聲（風(fēng)聲、城市噪音）影過(guò)圖像處理與計(jì)算機(jī)視覺(jué)算法進(jìn)行檢測(cè)與識(shí)別。這是l原理：計(jì)算圖像序列中像素點(diǎn)的運(yùn)動(dòng)矢量場(chǎng)。無(wú)人機(jī)等運(yùn)動(dòng)目標(biāo)會(huì)在局二、基于深度學(xué)習(xí)的方法深度學(xué)習(xí)，尤其是卷積神經(jīng)網(wǎng)l單階段檢測(cè)器：如YOLO系列、SSD、RetinaNet。它們將檢測(cè)視為單l運(yùn)動(dòng)信息建模：靜態(tài)圖像檢測(cè)容易與靜態(tài)圖片中的無(wú)人機(jī)模型混淆。利多幀輸入：將連續(xù)幾幀圖像堆疊（作為多通道輸入）或分別輸入網(wǎng)絡(luò)的提升了對(duì)小目標(biāo)的性能。這些方法正逐漸在反無(wú)人機(jī)檢測(cè)中展現(xiàn)l算法特點(diǎn)：由于目標(biāo)表現(xiàn)為“熱斑”，形狀和紋理特征較簡(jiǎn)單。檢測(cè)算法常側(cè)重于顯著性檢測(cè)、熱斑分割和軌跡分析。背景通常溫度均勻（天空但也間取得平衡。一、雷達(dá)檢測(cè)算法雷達(dá)信號(hào)處理的核心是從強(qiáng)雜波中提取微弱的小目標(biāo)信邏輯法、Hough變換、基于貪心或概率的關(guān)聯(lián)10.特征提取與分類(lèi)：從時(shí)頻譜中提取譜線(xiàn)間隔、對(duì)稱(chēng)性、調(diào)制l挑戰(zhàn)與發(fā)展：城市多徑效應(yīng)、低空風(fēng)切變導(dǎo)致的旋翼轉(zhuǎn)速變化、以及微9.對(duì)檢測(cè)到的信號(hào)進(jìn)行參數(shù)估計(jì)，包括中心頻率、帶寬、調(diào)制類(lèi)型（通過(guò)l深度學(xué)習(xí)方法：將原始音頻波形或頻譜圖（如梅爾頻譜圖）直接輸入一維CNN或二維CNN（視頻譜圖為圖像）進(jìn)行分類(lèi)。循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或l特征級(jí)融合：從各傳感器數(shù)據(jù)中分別提取特征（如視覺(jué)特征、微多普勒特征、聲學(xué)特征在特征空間進(jìn)行拼接、加權(quán)或通過(guò)神經(jīng)網(wǎng)絡(luò)融合。這是最常l決策級(jí)融合：每個(gè)傳感器獨(dú)立做出檢測(cè)與識(shí)別決策（如“是無(wú)人機(jī)”的概率然后通過(guò)投票、貝葉斯推理、D-S證據(jù)理論等方法進(jìn)行綜合決策離然后引導(dǎo)高分辨率云臺(tái)相機(jī)轉(zhuǎn)向該區(qū)域進(jìn)行精細(xì)視覺(jué)確認(rèn)和識(shí)別。這是最-時(shí)間數(shù)據(jù)立方體。標(biāo)注信息包括目標(biāo)在每個(gè)時(shí)間單元內(nèi)的距離、速度、角度以評(píng)估指標(biāo)需全面衡量檢測(cè)系統(tǒng)的有效性、可靠性述了反無(wú)人機(jī)任務(wù)的緊迫性與復(fù)雜性，指出構(gòu)充足）和一套全面的評(píng)估指標(biāo)（如檢測(cè)概率、虛警率、響應(yīng)時(shí)間為量化比較同搜索與跟蹤策略；實(shí)現(xiàn)從“檢測(cè)”到“意圖理解”和“威脅預(yù)7.對(duì)抗環(huán)境下的魯棒性增強(qiáng)：針對(duì)無(wú)人機(jī)方可能采用的低可觀測(cè)技術(shù)（隱8.標(biāo)準(zhǔn)、法規(guī)與測(cè)試評(píng)估：推動(dòng)反無(wú)人機(jī)技術(shù)測(cè)試標(biāo)準(zhǔn)、性能評(píng)估規(guī)范的9.“偵-擾-控-打”一體化系統(tǒng)集成：探測(cè)識(shí)別最終要服務(wù)于處置。研究如何第七章無(wú)人機(jī)具身智能無(wú)人機(jī)具身智能標(biāo)志著無(wú)人機(jī)從“可移動(dòng)的傳感器”或“遠(yuǎn)程遙控的機(jī)器人”向體的根本性轉(zhuǎn)變。本章將深入探討這一前沿領(lǐng)域，旨在構(gòu)建無(wú)人機(jī)智能體“知行源于智能體（身體）與其所處環(huán)境之間持續(xù)不斷的感知-行動(dòng)循環(huán)。對(duì)于無(wú)人機(jī)無(wú)人機(jī)具身智能的內(nèi)涵遠(yuǎn)超傳統(tǒng)的“自主飛行”或“航點(diǎn)導(dǎo)航”。其核心特征包任務(wù)目標(biāo)（如“檢查裂縫”、“抓取包裹”）的主動(dòng)探索過(guò)程。無(wú)人機(jī)會(huì)自主規(guī)劃觀30.物理交互與操作能力：智能體能夠通過(guò)其“身體”（如機(jī)械臂、起落架、31.情境理解與常識(shí)推理：能夠結(jié)合視覺(jué)、語(yǔ)言、物理等多模態(tài)信息，理解索未知環(huán)境、安全執(zhí)行物理交互、并從經(jīng)驗(yàn)中持續(xù)進(jìn)化的空中自l工業(yè)檢測(cè)與維護(hù)的范式革命：當(dāng)前工業(yè)巡檢多為“所見(jiàn)即所得”的記錄。具身智能無(wú)人機(jī)將能執(zhí)行“診斷性”巡檢。例如，收到“檢查反應(yīng)塔頂部焊縫”指令機(jī)械臂和AGV的功能。它能理解“從A貨架第三層取一個(gè)紅色盒子放到B打包l城市公共服務(wù)與建設(shè)：可自主完成諸如高空廣告牌擦拭、路燈更換、外l國(guó)防與安全領(lǐng)域：實(shí)現(xiàn)無(wú)人機(jī)的自主抵近偵察l三維場(chǎng)景理解：實(shí)時(shí)構(gòu)建包含幾何、語(yǔ)義、實(shí)例和物理屬性的3D場(chǎng)景20.具身決策與規(guī)劃層：這是智能體“思考行動(dòng)”的核心。它將高層任務(wù)分解l任務(wù)規(guī)劃：將自然語(yǔ)言或符號(hào)化指令（如“組裝這個(gè)家具”）分解為一系l運(yùn)動(dòng)與路徑規(guī)劃：在復(fù)雜的動(dòng)態(tài)3D環(huán)境中，為無(wú)人機(jī)本體及可能學(xué)習(xí)或調(diào)用底層的運(yùn)動(dòng)“技能”。強(qiáng)化學(xué)習(xí)、模仿學(xué)習(xí)和最近興起的視覺(jué)-語(yǔ)言-行21.具身控制與執(zhí)行層：這是智能體“作用于世界”的最終環(huán)節(jié)。它將規(guī)劃出l高精度飛行與操作控制：實(shí)現(xiàn)無(wú)人機(jī)在強(qiáng)風(fēng)擾動(dòng)、負(fù)載變化下的動(dòng)力學(xué)、多體動(dòng)力學(xué)、傳感器噪聲、環(huán)境交互（如抓取、推動(dòng)的物理效果并框架創(chuàng)新體現(xiàn)在從傳統(tǒng)的“感知-規(guī)劃-控制”串行流水線(xiàn)，向端到端學(xué)習(xí)和閉環(huán)交互的范式演進(jìn)。新型的視覺(jué)-語(yǔ)言-行動(dòng)模型（VLA）試圖建立從多模態(tài)觀察從而進(jìn)行更高效的規(guī)劃和決策。無(wú)人機(jī)具身智能正是這些前沿AI框架與機(jī)器人能體進(jìn)行物理交互和任務(wù)規(guī)劃的、豐富且魯棒的世界l原理：將環(huán)境（如一個(gè)待重建的物體或場(chǎng)景）建模為具有不確定性的信信息增益：選擇能最大程度減少地圖（如體素占用、語(yǔ)義類(lèi)別）不確定視見(jiàn)不確定性：在基于神經(jīng)輻射場(chǎng)（NeRF）的重建中，選擇能最大程常用方法包括基于前沿探索、基于強(qiáng)化學(xué)習(xí)或基于梯l在無(wú)人機(jī)重建中的應(yīng)用：對(duì)于大型建筑物或基礎(chǔ)設(shè)施的自動(dòng)化精細(xì)三維命跡象的區(qū)域（如縫隙、窗洞并可能結(jié)合熱成像、生命探測(cè)儀等傳感器引導(dǎo)劇烈運(yùn)動(dòng)或圖像特征缺失時(shí)仍能提供穩(wěn)定的l從稀疏到稠密：傳統(tǒng)的VSLAM（如ORB-SLAM3）提供稀疏地圖和關(guān)l神經(jīng)隱式SLAM：這是當(dāng)前的前沿。方法如iMAP、NICE-SLAM、到3D地圖，并進(jìn)行時(shí)序融合和優(yōu)化來(lái)實(shí)現(xiàn)（如PanopticFusion或使端的3D卷積網(wǎng)絡(luò)（如SparseConvNet）直接在點(diǎn)云或體素上進(jìn)l質(zhì)量與慣性估計(jì)：通過(guò)視覺(jué)外觀、尺寸和材料類(lèi)別（從語(yǔ)義分割得來(lái)）l材料與摩擦屬性：視覺(jué)紋理、反射特性可用于粗略區(qū)分金屬、塑料、織場(chǎng)景結(jié)構(gòu)穩(wěn)定性的影響。這通常需要結(jié)合物理模擬和器安裝六維力/扭矩傳感器。通過(guò)測(cè)量機(jī)械臂與環(huán)境接觸時(shí)的反作用力和力矩，a.實(shí)現(xiàn)柔順控制和力位混合控制，完成精密插入、表面擦拭等需要控制接b.通過(guò)“觸覺(jué)探索”識(shí)別物體屬性，如用末端執(zhí)行器劃過(guò)表面，通過(guò)摩擦力12.仿生觸覺(jué)皮膚：在機(jī)械手或抓取器表面集成高密度、柔性的觸陣列（如基于電容、壓阻、光學(xué)原理提供接觸點(diǎn)的壓力分布圖。這能實(shí)現(xiàn)更l仿真到真實(shí)的遷移：在仿真環(huán)境中（如MuJo地生成大量視覺(jué)-觸覺(jué)配對(duì)數(shù)據(jù)，用于預(yù)訓(xùn)練跨為：智能體（無(wú)人機(jī)）在未知的3D環(huán)境中，根據(jù)給定的自然語(yǔ)言指令（如“飛能力。l基于學(xué)習(xí)的導(dǎo)航策略：主流方法采用基于強(qiáng)化學(xué)習(xí)或模仿學(xué)習(xí)的端到端遞歸模型：使用LSTM或Transformer來(lái)編碼程中逐步構(gòu)建內(nèi)部地圖，標(biāo)注已訪(fǎng)問(wèn)區(qū)域和識(shí)別出的物體/房間，然后基于地圖12.從導(dǎo)航到操作：更高級(jí)的任務(wù)是視覺(jué)-語(yǔ)言-操作，即在導(dǎo)航到目標(biāo)后執(zhí)動(dòng)序列。無(wú)人機(jī)具身決策面臨高維連續(xù)狀態(tài)/動(dòng)作空間、不確定性、動(dòng)態(tài)環(huán)境和l高層任務(wù)規(guī)劃器：將抽象任務(wù)（“檢查變電站”）分解為邏輯子任務(wù)序列l(wèi)反應(yīng)式方法：如人工勢(shì)場(chǎng)法、動(dòng)態(tài)窗口法。它們根據(jù)當(dāng)前傳感器（如激15.不確定性下的魯棒規(guī)劃：考慮感知噪聲、定位誤差和動(dòng)態(tài)障l將復(fù)雜任務(wù)（如搜索一片10平方公里區(qū)域內(nèi)的特定目標(biāo)）分解為多個(gè)l優(yōu)化目標(biāo)：通常是最小化總?cè)蝿?wù)完成時(shí)間、最大化整體收益（如發(fā)現(xiàn)目l集中式分配：一個(gè)中央控制節(jié)點(diǎn)（地面站或領(lǐng)航機(jī)）收集所有無(wú)人機(jī)狀該任務(wù)的預(yù)估成本中央節(jié)點(diǎn)將任務(wù)授予“出價(jià)”最低的無(wú)人機(jī)。這種分布式拍同SLAM或地圖融合技術(shù)，可以構(gòu)建更完整、更精確、更新頻率更高的全局環(huán)8.多架無(wú)人機(jī)協(xié)同搬運(yùn)或操作一個(gè)大尺寸、非結(jié)構(gòu)化的物體。這涉及到編以穩(wěn)定、可控地移動(dòng)物體。這通常需要一個(gè)領(lǐng)導(dǎo)者-跟隨者框架或基于阻抗控制7.3.3視覺(jué)-語(yǔ)言-行動(dòng)模型VLA模型是當(dāng)前具身人工智能領(lǐng)域最令人興奮的方向之一。它旨在建立從之上。這些模型已具備強(qiáng)大的視覺(jué)理解和語(yǔ)言對(duì)齊離線(xiàn)強(qiáng)化學(xué)習(xí)：從已收集的交互數(shù)據(jù)（無(wú)需是最優(yōu)的）中學(xué)習(xí)動(dòng)作價(jià)值型，可能只需一個(gè)簡(jiǎn)單的自然語(yǔ)言提示（“讓無(wú)人機(jī)降落在那個(gè)圓形平臺(tái)上”況”分解為：規(guī)劃航線(xiàn)、起飛、飛到東區(qū)、執(zhí)行預(yù)定義的巡檢模式、分析圖像、生成報(bào)告、返航。VLA模型有望理解這種復(fù)雜語(yǔ)義，并調(diào)用內(nèi)部或外部的工具（如路徑規(guī)劃器、分析模型）來(lái)完成任務(wù)分動(dòng)作）”三元組數(shù)據(jù)極其困難。仿真數(shù)據(jù)生成和跨模態(tài)數(shù)11.安全性：端到端模型是“黑箱”，其決策可能產(chǎn)生危險(xiǎn)動(dòng)作。如何引入安全約束、可解釋性模塊和可靠的價(jià)值對(duì)齊是13.具身基礎(chǔ)模型：研究界正致力于訓(xùn)練通用的、可應(yīng)用于多種機(jī)（包括無(wú)人機(jī)）的“具身基礎(chǔ)模型”，使其成為一個(gè)共享的、可適應(yīng)具體機(jī)器人的“機(jī)器人大腦”。VLA模型代表了一條通向通用具身智能的潛在路徑，它有望讓無(wú)人機(jī)像理7.3.4感知-決策-控制一體化泛化性有限。常用于精密的、小工作空間內(nèi)的操作任務(wù)（如機(jī)械臂抓取在無(wú)8.基于學(xué)習(xí)的“感知-控制”策略：行、穿越密集的森林，或執(zhí)行高機(jī)動(dòng)特技。OpenAI的“在復(fù)雜環(huán)境中飛行”工作的規(guī)劃器進(jìn)行長(zhǎng)程任務(wù)分解和全局優(yōu)化；而VLA模型則作為人機(jī)交互接口和高當(dāng)無(wú)人機(jī)從“觀察者”轉(zhuǎn)變?yōu)椤皡⑴c者”，它與物理世界的交互能力成為衡量其l機(jī)械臂集成：在無(wú)人機(jī)底部或前部加裝一個(gè)多自由度（通常4-6DOF）l飛行與操作的動(dòng)力學(xué)耦合控制：這是核心難題。機(jī)械臂的運(yùn)動(dòng)會(huì)產(chǎn)生反混合控制。當(dāng)操作需要精確力控時(shí)（如插入插頭以力控為主；當(dāng)需要精確位阻抗/導(dǎo)納控制：讓無(wú)人機(jī)與環(huán)境接觸時(shí)表現(xiàn)出期望的“剛度”和“阻尼”特l抓取與放置：物流倉(cāng)儲(chǔ)的核心。涉及識(shí)別、定位、抓取、運(yùn)輸、精確放l旋擰與插拔：如擰緊螺絲、插拔電源或數(shù)據(jù)接口。需要極高的定位精度l給定一個(gè)未知的3D環(huán)境，一個(gè)智能體（無(wú)人機(jī)）可以自主在其中和/或操作。在探索過(guò)程的某個(gè)時(shí)刻，人類(lèi)提出一個(gè)關(guān)于環(huán)境的問(wèn)題。無(wú)人機(jī)需要綜合其整個(gè)探索歷史（而不僅僅是當(dāng)前一幀圖像）來(lái)回邊有什么？”關(guān)于未直接見(jiàn)但可推斷的區(qū)域：“臥室里有窗戶(hù)嗎？”（無(wú)人機(jī)只看到了l長(zhǎng)時(shí)記憶與場(chǎng)景表示：無(wú)人機(jī)需要維護(hù)一個(gè)支持高效查詢(xún)的場(chǎng)位置和關(guān)系信息。神經(jīng)場(chǎng)景表征（如場(chǎng)景圖+NeRF）是一個(gè)有前景的方向，它還有動(dòng)作）序列。模型需要將問(wèn)題與歷史上特定的時(shí)刻和視角無(wú)人機(jī)能快速定位相關(guān)歷史觀測(cè)并給出答案。具身問(wèn)答將無(wú)人機(jī)從一個(gè)被動(dòng)的數(shù)據(jù)采集者，提升為一個(gè)主動(dòng)的、擁有“記FlightGoggles：專(zhuān)注于為高速、視覺(jué)導(dǎo)航算法提供逼真的視覺(jué)渲染和毫秒級(jí)延遲的仿真環(huán)境。它采用服務(wù)器-客戶(hù)端架特別適合需要高幀率視覺(jué)反饋的敏捷飛行研5）和逼真的傳感器仿真。其特點(diǎn)是能與NVIDIAIs這類(lèi)平臺(tái)側(cè)重于為高級(jí)認(rèn)知任務(wù)（如VLN、具身問(wèn)答、任務(wù)規(guī)劃）提供豐SUMMIT：一個(gè)用于城市空中交通大規(guī)模仿真和建模的這些技術(shù)共同構(gòu)建了智能體進(jìn)行物理交互所需的、豐富且動(dòng)態(tài)的“世的視覺(jué)-語(yǔ)言-行動(dòng)模型，以及感知-決策-控制一體化的趨勢(shì)。決策系統(tǒng)正從傳統(tǒng)5.通用具身智能體的實(shí)現(xiàn)：當(dāng)前系統(tǒng)多為“專(zhuān)才”。未來(lái)的核心目標(biāo)是發(fā)展能快速適應(yīng)新任務(wù)、新環(huán)境、新物體的“通才”無(wú)人6.安全性、可靠性與可解釋性：在安全至上的現(xiàn)實(shí)應(yīng)用中，黑箱模型不可l魯棒性與對(duì)抗防御：確保系統(tǒng)在感知被干擾、模型存在誤差時(shí)的行為安8.人-機(jī)-環(huán)境高效協(xié)同：研究更自然、更高效的人機(jī)交互方式（如腦機(jī)接9.從仿真到現(xiàn)實(shí)的無(wú)縫遷移：縮小“現(xiàn)實(shí)鴻溝”，構(gòu)建能自動(dòng)將仿真中學(xué)習(xí)第八章低空SLAM建圖的核心使能技術(shù)。它解決了“雞與蛋”的經(jīng)先驗(yàn)信息匱乏的環(huán)境中實(shí)現(xiàn)自主導(dǎo)航、避障、任務(wù)執(zhí)行與高級(jí)場(chǎng)景SLAM理論起源于20世紀(jì)80年代的機(jī)器人學(xué)領(lǐng)域，早期研究主要圍繞地進(jìn)展，從基于濾波器的概率框架演進(jìn)到基于圖優(yōu)化的高效后端，并催生了低空SLAM的興起與無(wú)人機(jī)產(chǎn)業(yè)的爆發(fā)緊密相連。無(wú)人機(jī)作為一種靈活的三維移動(dòng)平臺(tái)，對(duì)SLAM提出了比地面機(jī)器人更為嚴(yán)苛的要求，同時(shí)也開(kāi)辟了度運(yùn)動(dòng)、快速機(jī)動(dòng)性、廣闊且特征稀疏的作業(yè)空域，使得SLAM問(wèn)題在數(shù)學(xué)上其戰(zhàn)略意義在于，SLAM是無(wú)人機(jī)實(shí)現(xiàn)完全自主的基石。沒(méi)有精準(zhǔn)可靠的SLAM，無(wú)人機(jī)就無(wú)法脫離GPS信號(hào)（室內(nèi)、峽谷、城市森林）或預(yù)先測(cè)繪的空SLAM技術(shù)的發(fā)展水平，直接決定了無(wú)人機(jī)作為智能體所能達(dá)到的自主性高33.自主導(dǎo)航與避障：在GPS拒止或信號(hào)不穩(wěn)定的環(huán)境中（如室內(nèi)倉(cāng)庫(kù)、地下礦井、茂密林區(qū)、城市峽谷SLAM是無(wú)人機(jī)實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)自主飛行的唯一工業(yè)設(shè)備）的高精度、帶紋理的三維點(diǎn)云或網(wǎng)格模型。相較于傳統(tǒng)攝影測(cè)量，35.基礎(chǔ)設(shè)施自動(dòng)化巡檢：在電力線(xiàn)、風(fēng)力發(fā)電機(jī)、橋梁、化工廠管廊的巡低空環(huán)境與無(wú)人機(jī)平臺(tái)特性，為SLAM帶來(lái)了地面應(yīng)用中不常見(jiàn)或更劇烈l特征匱乏與重復(fù)紋理：低空飛行常面對(duì)大面積的弱紋理區(qū)域（如天空、l大尺度與長(zhǎng)期運(yùn)行的累積誤差：在長(zhǎng)距離、大范圍（如數(shù)平方公里）作線(xiàn)估計(jì)與補(bǔ)償這些參數(shù)（時(shí)空外參對(duì)保證融8.2SLAM核心理論基礎(chǔ)在深入低空SLAM的具體方法前，必須建立其統(tǒng)一的給定傳感器觀測(cè)數(shù)據(jù)Z1:t和控制輸入U(xiǎn)1:t（如果存在，如IMU數(shù)據(jù)）的條件p(a:s,mlz1:s,u1:t)。其中：231t表示從時(shí)刻1到t的機(jī)器人位姿序列。其中foaom是運(yùn)動(dòng)模型，h是觀測(cè)模型，是相應(yīng)的協(xié)方差矩陣。通過(guò)求解該優(yōu)化問(wèn)題，我們同時(shí)得到了機(jī)器人軌跡X*和地圖L*。當(dāng)檢測(cè)到閉環(huán)效消除累積漂移。g2o、GTSAM、CeresSolver等庫(kù)是25.原理：以單目、雙目或RGB-D相機(jī)為核心傳感器。通過(guò)提取并跟蹤圖魯棒的VIO系統(tǒng)，包含初始化、非線(xiàn)性?xún)?yōu)化、閉環(huán)與重定位，性融合框架，視覺(jué)和激光SLAM獨(dú)立運(yùn)行并相互輔助初始化與失效恢復(fù)。決單目尺度模糊；在純旋轉(zhuǎn)或無(wú)紋理場(chǎng)景下提供唯l劣勢(shì)：成本高、功耗大、點(diǎn)云稀疏、在雨霧天性能下降。多線(xiàn)激光雷達(dá)實(shí)現(xiàn)全局一致性。RTK/PPK技術(shù)可提供“視覺(jué)+IMU+激光雷達(dá)”或“視覺(jué)+IMU+GNSS”則用于對(duì)魯棒性和精度有極致要求的專(zhuān)業(yè)領(lǐng)域。8.3低空SLAM的關(guān)鍵方法針對(duì)低空環(huán)境的挑戰(zhàn)，研究者們?cè)趥鹘y(tǒng)SLAM框架上發(fā)展了一系列創(chuàng)新方l方法：使用CNN學(xué)習(xí)更具判別力和不變性的特征描述符。例如，SuperPoint網(wǎng)絡(luò)同時(shí)檢測(cè)特征點(diǎn)并計(jì)算描述符；SuperGlue網(wǎng)絡(luò)模擬圖像間特l在低空SLAM中的應(yīng)用：替換傳統(tǒng)SLAM前端（如ORB-SLAM中的蹤和閉環(huán)檢測(cè)成功率。但計(jì)算量通常大于手工可以構(gòu)建更干凈、靜態(tài)的“背景”地圖，提升像直接回歸6-DoF位姿變化。一些工作嘗試用隱式神經(jīng)表示（如NeRF）同時(shí)單一傳感器存在固有缺陷，多傳感器融合是提升低空SLAM魯棒性、精度和適用范圍的必由之路。融合的核心在于狀態(tài)估基于優(yōu)化的緊耦合：如VINS-Mono，OKVIS。維護(hù)一個(gè)滑動(dòng)窗口內(nèi)的14.激光-慣性-視覺(jué)融合：結(jié)合激光雷達(dá)的精確幾何、IMU的高頻運(yùn)動(dòng)和視l松耦合融合：如LVI-SAM，視覺(jué)慣性子系統(tǒng)與激光慣性子系統(tǒng)并行運(yùn)系統(tǒng)構(gòu)建全局一致地圖并為視覺(jué)提供重定位。兩者通過(guò)位姿圖聯(lián)l方法：在因子圖中加入GNSS測(cè)量因子。當(dāng)GNSS信號(hào)可靠時(shí)，其提傳統(tǒng)SLAM輸出幾何地圖，而智能體需要的是可理解、可推理的語(yǔ)義環(huán)境Mask2Former）對(duì)每一幀圖像進(jìn)行像素級(jí)分類(lèi)，然后將分割結(jié)果反向投影到基分配語(yǔ)義標(biāo)簽。方法如Fusion++、PMinkowskiNet）直接在稀疏點(diǎn)云或體素網(wǎng)格上進(jìn)行分割。這通常需要將激光雷l實(shí)例級(jí)語(yǔ)義SLAM：不僅識(shí)別類(lèi)別，還區(qū)分不同物體實(shí)例。例如，地圖（用邊界框、橢球體或完整網(wǎng)格表示物體甚至是場(chǎng)景圖（節(jié)點(diǎn)是物體或b.任務(wù)規(guī)劃：為“拿取桌上的杯子”提供可操作的對(duì)象信息。左邊有什么？”d.動(dòng)態(tài)地圖更新：語(yǔ)義信息有助于區(qū)分靜態(tài)結(jié)構(gòu)和動(dòng)態(tài)物體，從而只將靜l并行化與流水線(xiàn)設(shè)計(jì)：將特征提取、跟蹤、局部建圖、閉環(huán)檢測(cè)、全局優(yōu)化等模塊分配到不同的CPU線(xiàn)程甚至專(zhuān)用硬件核心上并行執(zhí)行。例如，l關(guān)鍵幀機(jī)制：并非每一幀都用作建圖。只選擇有足夠視差、跟蹤質(zhì)量好15.硬件加速與邊緣計(jì)算：lFPGA/ASIC：為特定的SLAM算法（如特征提取、光流計(jì)算、點(diǎn)云處資源自適應(yīng)SLAM是未來(lái)方向：系統(tǒng)能夠根據(jù)當(dāng)前可用的計(jì)算資源、電池10.經(jīng)典通用數(shù)據(jù)集：lTUMRGB-D：室內(nèi)場(chǎng)景數(shù)據(jù)集，提供RGB-D圖像和高質(zhì)量GroundlNewerCollegeDataset：包含手持和車(chē)載平臺(tái)采集的復(fù)雜校園環(huán)境數(shù)城市街景、隧道、立交橋等，提供激光雷達(dá)、相機(jī)、IMU和高精度GNSS-INSlAirSim、CARLA、UnrealEngine等仿真環(huán)境可以評(píng)估一個(gè)SLAM系統(tǒng)，需要從定位精度、地圖精度、魯棒性和效率等多個(gè)l對(duì)于稠密重建的地圖（點(diǎn)云或網(wǎng)格可以將其與高精度激光掃描的本章對(duì)低空SLAM建圖技術(shù)進(jìn)行了全面而深入的探討。我們首先闡明了在理論基礎(chǔ)部分，我們回顧了SLAM問(wèn)題的概率精度的核心技術(shù)；語(yǔ)義SLAM通過(guò)賦予地圖可理解的語(yǔ)義信息，為高層任務(wù)規(guī)是技術(shù)得以在資源受限的無(wú)人機(jī)平臺(tái)上落地的最后，我們介紹了評(píng)估低空SLAM性能的主要總而言之，低空SLAM已從早期的實(shí)驗(yàn)室算法，發(fā)展不斷演進(jìn)的技術(shù)體系。它不僅是無(wú)人機(jī)自主飛界與數(shù)字世界的“空間橋梁”，其技術(shù)進(jìn)步將和表面重建上展現(xiàn)出驚人能力。未來(lái)的SLAM系統(tǒng)可能直接維護(hù)一個(gè)可微分、8.極端環(huán)境與全天候魯棒性：針對(duì)暴雨、大霧、沙塵、夜間等極端惡劣條融合SLAM。研究跨模態(tài)的、對(duì)退化條件魯棒的特征表示與匹配方法，實(shí)現(xiàn)“全信帶寬限制、數(shù)據(jù)關(guān)聯(lián)、一致性與共識(shí)達(dá)成等關(guān)鍵問(wèn)題，實(shí)現(xiàn)1+1>2的群體感能失效的自診斷與預(yù)警。形式化驗(yàn)證SLAM系統(tǒng)在特定邊界條件下的安全性，成為產(chǎn)品化的關(guān)鍵。算法與芯片的協(xié)同設(shè)計(jì)，能最大化硬件潛能，推動(dòng)SLAM測(cè)這里將發(fā)生什么”的認(rèn)知進(jìn)化。它不僅是技術(shù)的迭代，更是無(wú)人機(jī)與物理世界第九章空地協(xié)同空地協(xié)同并非簡(jiǎn)單的“無(wú)人機(jī)+地面車(chē)”的機(jī)械組合，而是構(gòu)建一個(gè)具備群體智能的有機(jī)整體。在這個(gè)體系中，空中平臺(tái)扮演“天獨(dú)特視角提供廣域監(jiān)視、全局路徑探索與高層態(tài)勢(shì)理解；地面平臺(tái)則作為“觸手”有人-無(wú)人協(xié)同作戰(zhàn)的關(guān)鍵，可完成從廣域偵察、精確引導(dǎo)到協(xié)同打擊的閉環(huán)；空地協(xié)同的核心算法集群，包括實(shí)現(xiàn)“上帝視角”與“微觀視角”統(tǒng)一的多視角感知同技術(shù)從實(shí)驗(yàn)室走向復(fù)雜現(xiàn)實(shí)場(chǎng)景提供理論指引與空地協(xié)同代表了低空智能從“單體卓越”走向“群體卓越”的必然進(jìn)化方向，是l機(jī)動(dòng)觀測(cè)是其主要核心優(yōu)勢(shì)。固定翼無(wú)