安全着陸區域檢測的合成到現實流水線

隨着無人航空器（UAV）向更高自主性水平發展，在非合作、非結構化環境中實現無輔助降落變得至關重要。安全自主着陸需要高保真語義分辨率來區分可通行地形與危險障礙物，但開發過程常因缺乏標註航拍數據集而受阻。本文提出了一種全面的感知和數據生成流水線，旨在彌合模擬與現實之間的差距，用於自主着陸任務。

研究團隊引入了一個程序化合成數據引擎，通過域隨機化生成逼真的城市場景，並自動生成語義標註。該引擎能夠產生多樣化的環境條件，包括不同光照、季節和地形變化，從而增強模型的泛化能力。基於Transformer的OneFormer架構被專門用於在合成數據上進行微調，其多頭自注意力機制能夠捕獲全局上下文信息，實現精準的語義分割。

為了確保操作安全，流水線包含一個確定性着陸模塊，該模塊利用歐幾里得距離變換（EDT）和動態推理邏輯，在障礙物周圍保持嚴格安全緩衝的同時，識別出最大的內接安全着陸區域。該模塊能夠實時計算可着陸區域，並避免與障礙物發生碰撞。

在UAVid數據集上的定量基準測試展示了魯棒的語義分割性能，而在真實世界無人機視頻上的定性驗證證實了系統能夠在未見環境中識別無碰撞着陸點。結果表明，高保真程序化模擬有潛力消除手動標註需求，同時為自主無人機回收提供魯棒的、可邊緣部署的態勢感知。這項研究為無人機在複雜環境中的安全着陸提供了可行的解決方案，有望推動無人機物流、巡檢和應急救援等應用的發展。