Die Objekterkennung ist eine zentrale und anspruchsvolle Aufgabe im Bereich der Computer Vision. In den letzten Jahren hat die Objekterkennung in natürlichen Bildern große Erfolge erzielt und auch die Forschung zur Objekterkennung in der Luftbildfernerkundung hat erhebliche Fortschritte gemacht. Im Gegensatz zu horizontalen Objekten in natürlichen Bildern sind Objekte in Luftbildern oft beliebig orientiert und dicht in einer komplexen und sich ständig verändernden Umgebung verteilt. Um Objekte präzise und effizient in ihrer Ausrichtung zu lokalisieren und ihre Kategorie zu erkennen, wurde die Aufgabe der Erkennung von rotierenden Objekten auf der Basis der horizontalen Detektion vorgeschlagen. Obwohl die Erkennung von rotierenden Objekten auf Basis des maschinellen Lernens, insbesondere von Convolutional Neural Networks (CNNs), immer mehr Aufmerksamkeit erhält, mangelt es derzeit an systematischer Forschung zu den Herausforderungen, mit denen sie konfrontiert ist. In diesem Artikel wird der aktuelle Stand der Forschung zur Objekterkennung in Luftbildern eingehend dargestellt und systematisch die Herausforderungen der Erkennung von rotierenden Objekten analysiert, um die Entwicklung entsprechender Detektionstechnologien voranzutreiben. Zunächst werden die allgemeinen Rahmenbedingungen für die horizontale Objekterkennung zusammengefasst und systematisiert, die auch die Grundlage für die Gestaltung des Rahmens für die Erkennung von rotierenden Objekten bilden; zweitens werden die Hauptherausforderungen der Erkennung von rotierenden Objekten eingehend analysiert, die Forschungsergebnisse zur Bewältigung jeder Herausforderung zusammengefasst und deren Vor- und Nachteile herausgestellt; drittens werden bekannte Datensätze zur Objekterkennung in Fernerkundungsbildern kurz vorgestellt und die Leistungsfähigkeit der aktuellen fortschrittlichen rotierenden Objektdetektoren auf öffentlichen Fernerkundungsbilddatensätzen wie DOTA, HRSC2016, DIOR-R, STAR usw. verglichen und bewertet. Dabei wird nicht nur die signifikante Wirksamkeit der aktuellen Forschungsergebnisse bei der Validierung gezeigt, sondern auch vorläufige Einschränkungen bei der Bewältigung extrem geometrischer Formen und komplexer Szenen aufgezeigt; abschließend wird auf der Grundlage des Vorstehenden ein Ausblick auf die Entwicklungstrends und weiteren Forschungsrichtungen im Bereich der Erkennung rotierender Objekte in Luftbildern gegeben.

Objekterkennung; Luftbildfernerkundung; Erkennung von rotierenden Objekten; Convolutional Neural Network; rotierende Grenzkästen