经济形态。 人工智能通过赋予低空飞行器“智慧大脑”，正成为驱动低空经济高质量发展的核心引擎。 它通过多源传感器融合与智能算法，显著提升了飞行器在复杂环境下的感知、决策与控制能 力，例如实现精准目标识别、动态空域调度以及多机协同作业，从而将低空系统从传统的“消 费电子产品”升级为高效的“智能工业装备”。广泛应用于物流配送、农林植保、电力巡检、 应急救援等多个场景，确保了低空资源在安全可控的前提下（“管得住、放得开”）得到高效 VisDrone 团队自 2017 年以来，聚焦 120 米以下空域的低空环境感知，构建了世界上规 模最大的低空视觉感知数据平台，包含超过 2000 万图像/视频帧和 2000 万目标标注，支持 多任务学习（目标检测、目标跟踪、目标计数、群体分析）、多模态学习（可见光、热红外）、 多机/空地协同学习，采集范围覆盖全国 14 个省市。依托雄安国创中心低空智能实验室，联 合天津大学、东南大学和国创岚天， 年，VisDrone 团队通过低空智能专题形式，梳理了低空环境智能感知领域的研究 脉络和代表性工作，共计 1754 篇参考文献和 355840 字，内容涵盖低空底层视觉、低空基座 大模型、目标检测与分割、目标跟踪、目标计数、反无人机、具身智能、定位与建图以及空 地协同等核心技术模块。本合订本由曹兵、褚瑞麟、郭周鹏、胡清华、李冬冬、李洪瑄、任 柏松、孙一铭、王森、王煜、王月新、王志翔、武嘉和、于北溟、赵柯嘉、赵睿朴、朱鹏飞、

对低空无人机或其他物体进行探测、动态追踪与身份识别，综合利用脉冲波、频谱、光电等感知手段，确认入侵物体类型、 速度、位置等，是低空安防过程中的“眼睛”；反制负责在发现威胁目标后，实现无人机或其他飞行物的管控与打击，综合 运用电磁压制、物理拦截等手段，确保入侵物体不会对目标监视区域造成侵害，是低空安防过程中的“手脚”。 虽然部分机场、边境口岸等重点安防场所部署了雷达、视频等感知设施和电磁压制等设备，但针对低空空域的多类型飞 01m2 ≥90% ≤3次/天 ≤30米 ≤2s/次 ≤2s 需要 察打一体+人工 ≥0.01m2 ≥80% ≤5次/天 ≤30米 ≤2s/次 ≤2s 需要 人工 探测目标RCS 探测概率 误报率 定位精度 数据更新率 探测延迟 取证要求 反制要求 低空安防融合感知与 反制主要技术及设备 融合感知与反制系统概述 探测技术及设备 反制技术及设备 低空探测管控平台 反制技术实现无人机或其他 飞行物的管控与打击，确保入侵物体不会对目标监视区域造成侵害；探测管控平台针对目标监视区域向对应的探测系统下发 探测监视任务，探测系统实时上报探测结果到平台，一旦发现入侵无人机或其他飞行物，平台将通过光电探测拍照取证等方 式并确认入侵物体类型，按需通知反制系统进行相应反制，最终通过探测系统查看入侵目标是否清除。同时，探测管控平台 与上层监管平台互联，上报监管数据。

5G-Advanced(5G-A)融合的低空智联监视系统架构,然后针对虚警率高、数据融合失 效和非标目标检测困难等关键问题,提出了基于多维度信息融合与上下文理解的目标判别模型,并详细 阐述了包括时空动态分析与轨迹建模、微动特征分析等关键技术在内的综合解决方案。 通过系统测试 验证,该方案在复杂环境下实现了对各类低空目标的精准识别与快速响应,为低空智联监视体系的实际 应用提供了可靠的技术参考。 关键词:低空经济;5G-A;低空监视 高效、可靠的监视系统不仅是保障低空飞行安全、防范 “黑飞”等违规行为的必要手段,更是维护国家空域安 全与公共安全的重要基础设施。 然而,现有监视系 统在实际应用中仍面临虚警率高、数据融合效能不 足、非标准目标识别困难等关键问题,制约了低空监 视系统的可靠性与实用性,亟须通过架构创新与关 键技术突破予以解决。 本文正是在此背景下,提出 5G-Advanced(5G-A)融合的低空智联监视系统解决方 传感器信息缺乏协同;三是恶意干扰技术不断升级,导 致目标识别与追踪失效 [1]。 在此背景下,构建智能融 合、实时响应的一体化监视体系,不仅是实现空域精细 化管理的技术支撑,更是推动低空经济安全、高效发展 的基础设施保障,进一步为空域治理模式的现代化转 型奠定坚实基础。 ·17· ���E�����0 1. 2 低空智联监视系统概念 1. 2. 1 系统目标 低空智联监视系统是基于泛在网络连接、多源数

脉冲波频率变化 � � 1 2 3 图 4 天线不同场景收发模式图 覆盖距离提升:地面覆盖距离近,低空信号阻挡少 接近自由空间传播,距离可达到地面环境的数倍。 感 知的距离受目标大小影响大,最远可达十公里以上,规 划时需要兼顾考虑感知与覆盖的距离差异,采用相应 的覆盖策略,以确保双方的需求都得到满足。 2 5G-A 的关键技术 2. 1 收发模式 收发模式包括“A 基站 A 既作为感知信号发射源,又作 为感知接收检测(见图 3a)。 方案二:A 发 B 收。 基站 A 作为感知信号发射源,基站 B 作为感知接收检测(见图 3b)。 采用方案一的方式,便于确定目标位置,有站间同步 的优势,为业界成熟的主流方案,稳定可靠(见图 4)。 � � � �� �� �� �� �a� �b� 图 干扰对消达到消除共址干扰的目的 [2]。 2. 4 空资源配置 感知辅助的资源分配分为带宽分配、波束宽度分 配和功率分配。 其中,带宽分配根据通信速率和感知 分辨率需求进行分配;波束宽度分配则根据目标距离 和速度分配不同的波束宽度;功率分配需同时考虑通 信速率和感知精度指标进行分配。 2. 5 感知的分辨率 感知的分辨率表示可以被系统区分的两个相邻目 C � P �

元 复杂环境下 ，低空智能感知面临“看不清” ，“看不准”和“看不全”的挑战 “ 看不全” “ 看不清” “ 看不准” 单机视角有限且存在遮挡 ，无法捕 捉目标在所有角度下的的特征 雨雪雾恶劣天气和低光照环境降低 了无人机对目标的感知清晰度 无人机高速飞行 ，场景动态变化， 降低了感知准确度 语义稀密 从下往上 ，第三排中靠画面最左侧的红色汽车 这个路口中存在的违章行为与异常现象 这个路口中存在的违章行为与异常现象 低空视野广实例密。 在稀疏文本约 束 下 ，从细粒度视觉中辨析细节 ， 需 要 精细逻辑进行推理。 复杂环境下 ，低空推理决策面临语义稀密、空间难解与任务繁复的挑 战 感知 目标检测、 目标计数、 场景分类、 异常识别 理解 图像描述、 条件判断、 视觉定位、 高度预测 推理 物理推理、 因果推理、 情景推断、 反事实推理 决策 多机协同、 任务规划、 动作执行、 安全性评估 任务间推理路径差异化 俯拍视角进行目标感知与属性理解 四维度多种任务形式 空间难解 任务繁复 复杂环境下 ，低空具身智能面临“不可靠” ，“不精准”和“不可控”的挑战 “ 目标理解不可靠” “ 动作生成不精准” “ 体系安全不可控” 行动路径撞上障碍物 动作生成误差导致机械臂需要执行 冗余动作才能完成任务 语言指令与场景理解不稳定 ，任务 目标识别易偏差 端到端决策难以解释 ，对突发场景

......12 1.1.2 AI 图像识别技术的应用.............................................................14 1.2 项目目标.............................................................................................16 1.2 控、城市管理、灾害应急等领域的应用日益广泛。然而，传统的无 人机图像处理方式主要依赖人工操作，存在效率低、成本高、实时 性差等问题，难以满足大规模、高频率的监测需求。特别是在复杂 环境下，人工识别图像中的目标物体或异常情况时，容易出现误判 或遗漏，导致决策的滞后性和不准确性。此外，随着无人机采集的 数据量呈指数级增长，如何高效处理和分析这些海量数据成为亟待 解决的技术难题。 近年来，人工智能（AI）技术的突破为无人机图像处理提供了 分钟以上的续航时间，并搭载高分辨率摄像头、红外传 感器、激光雷达等多种设备。 在软件方面，无人机控制系统从最初的手动遥控发展到半自动 和全自动控制。基于人工智能的飞行控制系统能够实现自主避障、 路径规划和目标识别等功能。特别是在低空飞行场景中，无人机需 要处理大量的环境数据，如建筑物、树木、电线等障碍物，这对算 法的实时性和准确性提出了更高要求。通过深度学习算法，无人机 可以在飞行过程中实时识别并避开障碍物，同时完成图像采集、目

无人机及时探查灾区情报 无人机全时监测打击目标 “ 看不准 ” 无人机高速飞行 ， 目标位置密集 且动态变化 ， 降低了感知准确 度 “ 看不全 ” 单机视角有限且存在遮挡 ，无法捕 捉目标在所有角度下的特征 复杂环境下 ，低空智能感知面临“看不清” ，“看不准”和“看不全”的挑战 “ 看不清 ” 雨雪雾恶劣天气和低光照环境降低 了无人机对目标的感知清晰度 “ 看不准” 低空感知模型进化难 一 研究背景 · 二 · VisDrone 数据平台 三 低空感知 脑 历时 5 年全国 14 个城市采集 2000 万 + 图像 / 视频帧 2000 万 + 目标标注 VisDrone 数 据 累计下载次数 10 万 + 在 Git hub 获得 3000+ 个星 在 ECCV 和 ICCV 连续举办 五 届 VisDrone 竞 赛 全球包括卡耐基梅隆大学等 MultiDrone-TJU AnimalDrone-TJU > 关键平台： 建立了复杂环境协同感知数据平 台 反无人机微小目标检测数据集（ ECCV 2024 ） 平台优势 智能化升级 ，效率倍增长 通过 AI 技术赋能 ， 实现城市巡检从传统人工模式向 智能化、 标准化、 规模化的跨越式升级 前期 前期数据、场景、模型

...........................................................................................17 2.1 目标市场定位......................................................................................19 2.1.1 ................................39 3. 项目目标.....................................................................................................40 3.1 确立短期目标.......................................... .....................................42 3.2 确立中期目标......................................................................................44 3.3 确立长期目标.................................................

（四） 当前存在不足点................................................................- 10 - 第二章 项目建设的必要性、可行性和建设目标..................- 11 - 一、 建设依据.................................................................. .....- 17 - （三） 运行环境可行性................................................................- 18 - 四、 建设目标...............................................................................- 20 - （一） 构建 “空天地” 一体化监测网络 倍以上，且支持厘米级定位精度，为 高精度监管提供硬件基础。 2.软件智能升级 AI 识别算法在自然资源场景中深度应用，基于深 度学习模型，可自动识别耕地内水泥硬化、大棚房、矿山机 械、林木砍伐等 10 + 类疑似违法目标，识别准确率超过 95%，大幅降低人工判图成本；配合三维建模软件可在 2 小 自然资源 xxx 项目建设方案 9 自然资源 xxx 项目建设方案 时内完成 5 平方公里区域的实景三维建模，生成厘米级精度

.........................3 二、实施目标体系...........................................................................................................................3 2.1 短期目标（1 - 2 年）...................... .............................3 2.2 中期目标（3 - 5 年）.........................................................................................................4 2.3 长期目标（5 - 10 年）........................... 绕基 础设施建设、新型基础设施构建、数字化转型、人工智能与大模型应 用、数据要素开发利用等核心内容，明确各阶段目标、任务、实施路 径与保障机制，旨在高效推进低空经济交通基础设施建设，支撑低空 经济产业蓬勃发展，助力综合交通体系优化升级。 二、实施目标体系 2.1 短期目标（1 - 2 年） 1. 完成全国及重点区域低空经济交通基础设施专项规划编制，明确 设施布局、建设时序与技术标准。