La détection d'objets est une tâche fondamentale et complexe dans le domaine de la vision par ordinateur. Ces dernières années, la détection d'objets a connu un énorme succès dans les images naturelles et la recherche sur la détection d'objets dans les images de télédétection aérospatiale a également réalisé des progrès significatifs. Contrairement aux objets horizontaux dans les images naturelles, les objets dans les images de télédétection aérospatiale sont souvent distribués de manière dense dans n'importe quelle direction sur des arrière-plans complexes et changeants. Pour localiser et identifier avec précision et efficacité les objets en rotation et reconnaître leur catégorie, une tâche de détection d'objets en rotation basée sur la détection d'objets horizontaux a été proposée. Bien que la détection d'objets en rotation basée sur l'apprentissage profond, en particulier les réseaux neuronaux convolutifs CNN, suscite de plus en plus d'intérêt, il manque actuellement une étude systématique sur les défis existants. Cet article vise à clarifier l'état de la recherche en matière de détection d'objets dans les images de télédétection aérospatiale de manière systématique, à examiner de manière systématique les défis existants liés à la détection d'objets en rotation, dans le but de favoriser le développement de technologies de détection connexes. Tout d'abord, un récapitulatif des cadres généraux de détection d'objets horizontaux, qui servent également de base pour la conception de cadres de détection d'objets en rotation, est examiné et résumé. Deuxièmement, une attention particulière est portée aux principaux défis auxquels est confrontée la tâche de détection d'objets en rotation, et les principaux résultats découlant de la réponse à chaque défi, ainsi que les avantages et les limites, sont résumés. Troisièmement, une brève présentation des ensembles de données couramment utilisés pour la détection d'objets dans les images de télédétection aérospatiale est fournie, et une évaluation comparative des détecteurs de pointe actuels des objets en rotation est effectuée sur des ensembles de données de référence publics de télédétection aérospatiale tels que DOTA, HRSC2016, DIOR-R, STAR, confirmant les réalisations remarquables des recherches actuelles et révélant également les limites dans le traitement des formes géométriques extrêmes et des scènes complexes. Enfin, les perspectives pour le développement de la tâche de détection d'objets en rotation dans les images de télédétection aérospatiale sont présentées, indiquant les tendances futures de la recherche et les orientations de développement.

détection d'objets; télédétection aérospatiale; détection d'objets en rotation; réseaux neuronaux convolutifs; boîtes englobantes en rotation