核心技术

Real-to-Sim-to-Real 全自动数据集生成，助力无人机追捕

一种新型 Real-to-Sim-to-Real 方案——通过采集真实环境照片构建3D场景，结合AirSim平台实现大规模高质量无人机数据集的快速生成与训练，最终在户外成功实现"空对空"自主无人机网捕。

• 全自动数据集生成，无需人工拍摄与标注
• 仿真环境由真实照片构建，跨越仿真-现实鸿沟
• 八种无人机型号随机渲染，高泛化能力
• 所有算法集成于机载计算机，户外实证成功

📄 Z. Ning et al., "A Real-to-Sim-to-Real Approach for Vision-Based Autonomous MAV-Catching-MAV", Unmanned Systems, April 2024

基于运动事件相机的高泛化无人机检测

事件相机专捕高速旋转的旋翼运动信号，不受无人机外观影响。EvDetMAV 方法无需训练即可实现泛化性检测，并构建了首个事件相机无人机数据集 EventMAV——3种机型 × 15种场景，精度达83%。

• 首个事件相机无人机数据集
• 无需训练，泛化性强
• 利用旋翼共性特征
• 发表于 IEEE RA-L

📄 Y. Zhang, Z. Ning et al., "EvDetMAV: Generalized MAV Detection from Moving Event Cameras", IEEE RA-L, June 2025

跨域泛化无人机检测新基准 — M3D 数据集与噪声抑制网络

首个关注跨域无人机检测的工作。提出 M3D（Multi-MAV-Multi-Domain）数据集——真实数据 5.5 万张 + 仿真数据 2.8 万张，构建三种跨域任务新基准。同时提出噪声抑制网络（NSN），显著提升跨域检测精度。

• 首个跨域无人机检测新基准
• 真实 + 仿真共 8 万张图片
• 噪声抑制网络 NSN
• 发表于 IEEE T-ASE

📄 Y. Zhang, J. Deng et al., "Domain Adaptive Detection of MAVs: A Benchmark and Noise Suppression Network", IEEE T-ASE, February 2024

声学无人机探测 — 低空安防的最后一道防线

当夜晚无光视觉失效，当跳频静默无线电失灵，无人机旋翼划破空气的声音是它唯一无法隐藏的特征。麦克风阵列+波束成形+深度学习声纹识别，全天候、全光照、无源静默、不受电磁干扰。

• 全天候全光照
• 无源静默不可察觉
• 专治跳频与静默
• 不受电磁环境影响