Diese Arbeit behandelt den dringenden Bedarf, niedrige, langsame und kleine (LSS) unbemannte Luftfahrzeuge (UAVs) in komplexen und kritischen Umgebungen zu erkennen, und schlägt eine aktive Zielerkennungsmethode in niedriger Höhe basierend auf dem Katzenglanz-Effekt vor. Das Erkennungssystem umfasst ein Steuerungsmodul, eine Laser-Emissionskomponente, eine ko-optische Panorama-Scan-Mechanismusstruktur, eine Echosignale-Empfangskomponente, Zielerkennung und Visualisierungsverarbeitung zur Erreichung der Erkennung kleiner Ziele. Die Lichtquelle wird von einem nahinfraroten Laser ausgesendet, und der Scan-Optikpfad wird mit MEMS-Spiegeln und Servomechanismen realisiert. Das Echorezeptionssignal wird von einer Lawinenphotodiode (APD) und dem Zielerkennungsmodul empfangen, das das reflektierte Signal und die Entfernungsinformationen erfässt. Die Erkennungssoftware integriert das lokale Pyramidenaufmerksamkeitsmodul (LPA) und das Feldpyramidennetzwerk (FPN) durch den Mikro-Linsen-Kennzeichnungsalgorithmus der UAV. Es eliminiert Fehlalarme durch Einbindung von SKNet21 und verwendet die APD zur Erfassung der Echointensität und Flugzeit, wodurch die Fehlalarmrate reduziert wird. Die Ergebnisse zeigen die Machbarkeit der vorgeschlagenen Zielerkennungsmethode, die eine mittlere durchschnittliche Genauigkeit von 0,809 bei einem Intersection over Union (IoU) von 0,50, eine mittlere durchschnittliche Genauigkeit von 0,324 bei einem IoU von 0,50–0,95 und eine Durchsatzrate von 49,8 Giga-Floating-Point-Operationen pro Sekunde (GFLOPs) erreicht, was darauf hinweist, dass sie die aktuellen Einschränkungen bei der LSS-Zielerkennung adressieren kann.

Niedrigflugerkennung;Optischer Pfaderkennung;Katzenglanz-Effekt;SKNet21;Lokale Pyramidenaufmerksamkeit;Durchschnittliche Genauigkeit