全球包括卡耐基梅隆大学等 在内的 2000+ 参赛队伍 5000+ 篇论文使用并引用 > 关键平台： 建立了复杂环境协同感知数据平台 （ TPAMI 2022 ） 构建了大规模多源、多模态、多任务、非完备复杂环境协同感知数据平 台 VisDrone ，覆盖单机和多机协同感知任务。 国内外广泛使用的无人机视觉基准数据平台 DroneCrowd-TJU DroneVehicle-TJU 视觉－语言－导航 (VLN) 多模态动态感知 多任务协同学习 视觉－语言－动作 (VLA) 多智能体社会化交互 群体态势自主感知 集 群 协 同 感 控 一 体 视 觉感 四 未来工作 一 研究背景 二 VisDrone 数据平 台 · 三 · 低空协同感知脑 混合专家动态融合 数据支撑 大规模、多源、多模态、多任务的协同感知开放数据平台 双向动态提示学习 复杂环境下低空视觉感知面临通用表征学习模型缺乏、任务定制表征学习难等挑战难点。 实现复杂环境下智能无人集群全天候精确感知 复杂环境低代价感知难 非对称掩码视频计数 任务定制混合 Adapter 大规模、多源、多模态、多任务的协同感知开放数据平台 数据 - 标签关系挖掘不充分 任务定制表征学习难 缺乏通用表征学习模型 复杂环境低代价感知技术 挑 战 难 点 关 键 技 术 创 新 海河天眼基座模型 数据支撑

2020 年 大规模密集数据与 通用检测数据集 03 VTUAV 2020 年至 2023 年 多模态 动态感知数据集 02 DroneVehicle 04 低空环境感知数据呈现出多任务、 多模态和多源协同特性 以 VisDrone 数据集为代表 ，低空环境感知数据面临简单静态到动态复杂的演进。 AG-ReID UAV-123 现实空间推理 基于多源信息构建物理度量， 在真实环境中进行空间推理。 可进化世界 无人机智能体 VLN 、 VLA 面向低空需求 ，构建大规模低空视觉感知开放数据平 台 VisDrone 开源社区 Star 数 量 图像 / 视频 帧 论文引用量 多任务感知 多模态感知 人群计数 物体追踪 多机感知 目标检测 模型 流水工厂 数据 百城共建 通过数据、模型、场景的三维融合展示 ，为政府、企业、公众提供低空领域的一站式资源入口 ，构建 70% 50% 一、 低空研究背 景 二、 低空数据平 台 三、 低空感知大 脑 CONTEN TS 城市治理 多传感器协同学习 多任务协同学习 多机协同学习 低空环境智能感知理论与方 法 科学问题 研究挑战 关键难题 技术创新 核心贡献 成果应用 “ 看不准”

.. 44 6.2 技术创新点 ............................................................. 44 6.2.1 “ ” 一航线多任务 智能规划..............................44 6.2.2 跨系统数据融合底座......................................45 6 3.2 建设原则 3.2.1 统筹协调，资源整合 坚持 “ ” 全市一盘棋 ，由市政务和数据局牵头，整合各 部门无人机服务需求与现有资源，打破部门壁垒，避 免重复建设；遵循 “一航线多任务、一飞机多数据、一 ” 飞行多方用 原则，最大化发挥无人机设备与数据的复 用价值，提升资源利用效率。 3.2.2 需求导向，场景优先 以政务侧实际应用场景为核心，聚焦应急、交警、查 违 无人机调度：平台根据任务需求（类型、优先级、区 域）、无人机状态（位置、电量、可用情况）， 自动 匹配最优无人机，如应急任务优先调度距离最近、具 备相应载荷的无人机；同一区域有多个任务时，调度 同一无人机按 “ ” 一航线多任务 原则执行，减少重复 飞行。 空域资源调度：对已申请的空域进行统一管理，记录 空域使用情况（哪个任务使用、使用时间），避免空 域冲突；当多个任务需使用同一空域时，按任务优先 级排序，协调安排使用时间。

无人机智能解译样本集 样本管理系统 构建多时相、多尺度等多区域适应的飞行器智能解译样本集 飞行要素模拟样本集 航路规划样本集 多任务负载样本集 应急模拟样本集 GISTC P22 快速开始 视频影像地理配准 AI 大模型 - 智能算法引 擎 关键点匹配 智能航线规划引擎 虚 各种飞行任务、飞行规则、空域划分、空域管理、空域规则、航道划 分、航道管理等进行模拟，验证其可行性与可靠性后再进行真实环境飞行。 飞行仿真模拟平台 GISTC 空域规则模拟 环境条件模拟 飞行状态模拟 多任务模拟 P40 SuperMap 项目开发能力支撑应用 层 空域仿真模拟 飞行模拟 环境选址模拟 空域模拟 航道模拟 立体交通管控 交通调度 接泊管理 预约游览 巡检管理 低空空 域展示

，构建跨领 域联合创新平台。 科技创新驱动 通过机制创新与成果转化 ，形成从技术突破到 产品落地的完整产业链闭环。 打造低空智能创新高地 空天地水协同智能无人集群感知平台 多目标检测 多机感知 多任务感知 多模态感知 数据规模 支撑论文 Background Introduction 智慧城市建设稳步增长 预计 2027 年中国智慧城市投资规模 “ 大信创”时代开启 华为 海光 2025

低空运营服务系统是面向低空经济场景的综合性数字化平台，旨在通过智能化、模块化设计整合低 空飞行资源与多元应用服务，为物流配送、巡检监测、应急救援、旅游观光、农业生产等多行业、多场 景、多任务的安全有序运营提供企业、用户等的服务平台。 1. 全景可视化监控 • 多路直播：支持单 / 四 / 九画面切换，实时展示无人机 / 机 场监控画面 • 动态数据叠加：飞行参数（位置、高度、风速、电量等）

飞行计划信息、任务场景数据、飞行器性能、低空通信数据等信息， 结合人工智能和大数据分析技术，构建多源异构的低空飞行数据融合 处理机制，形成多任务场景下低空装备运行轨迹图谱及运动模式。同 时，基于运行轨迹图谱指导面向单任务的低空装备单机/编队运动轨 迹规划、多任务联合场景下低空异质飞行器协同运动轨迹规划，以及 通信失效条件下低空装备应急管控，支撑实现低空装备运动路径的无 冲突最优规划。 平台

可完成低空作业，数据实时回传至中心，解决传统无人机作业数据离线原生性问 题。 打造了“共建、共用、共享”低空共享应用体系，全区 32 个应用单位飞行 需求实行统筹建设，实现低空服务及数据“一航线多任务，一机多数据、一数据 多流向，多点数据分类分流”的多维度共用共享。 构建了 5 大类 55 种城市治理类低空算法，打造了 34 个低空应用场景，采用 中心解析的方式，实现一路视频多算法同时加载，并且将

不同字段、不同字典、不同颜 28 色，实现大屏个性化配置；支持 50+模板、5 类选择卡、28+图表选择，且支持定制开发。 配置中心及配置出的页面如下图所示。 2）无人机实时数据：支持查看多任务多无人机的飞行地图、吊舱直播、态势数据、 项目信息查看；且支持地图源切换。且其中的图表可作为 BI 可视化大屏的组件，进行个性 化配置。以森林消防监控平台为例，综合界面展现如下： 3）统计分析

成部分，负责无人机的控制、数据传输、图像处理及任务管理。地 面站设备的选择需综合考虑计算性能、通信能力、扩展性及环境适 应性等因素。 首先，地面站主控计算机应具备强大的计算能力，以支持实时 图像处理、AI 模型推理及多任务并行处理。建议选用高性能工作站 或服务器，配置至少 Intel Xeon 或 AMD EPYC 系列处理器，主频 不低于 2.5GHz，核心数不少于 8 核。内存容量建议不低于 32GB， 以 信设备，以应对极端环境下的通信中断。 地面站的显示设备应具备高分辨率和大尺寸，以便操作人员实 时监控无人机状态和图像处理结果。建议选用 27 英寸以上 4K 分辨 率显示器，并配置多屏显示系统，支持多任务并行操作。此外，地 面站应配备高精度输入设备，如专业级鼠标、键盘及操纵杆，以提 升操作精度和效率。 电源管理是地面站稳定运行的重要保障。建议采用不间断电源 （UPS）系统，确保在断电情况下地面站能够持续运行至少 监控、数据处理和指令下发等功能。其硬件选型需综合考虑性能、 稳定性、扩展性和成本等因素，确保能够满足低空无人机 AI 识别 自动处理图像项目的需求。 首先，控制台的主机应选择高性能工作站或服务器级设备，以 确保多任务并行处理的能力。推荐配置如下： - 处理器：Intel Xeon W-2245 或 AMD Ryzen Threadripper PRO 3955WX，主频 不低于 3.9GHz，核心数不少于