安全著陸區域檢測的合成到現實流水線

隨著無人航空器（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。安全自主著陸需要高保真語義解析度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資料集而受阻。本文提出了一種全面的感知和資料生成流水線，旨在彌合模擬與現實之間的差距，用於自主著陸任務。

研究團隊引入了一個程式化合成資料引擎，透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資料上進行微調，其多頭自注意力機制能夠捕獲全域性上下文資訊，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著陸模組，該模組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著陸區域。該模組能夠即時計算可著陸區域，並避免與障礙物發生碰撞。

在UAVid資料集上的定量基準測試展示了魯棒的語義分割效能，而在真實世界無人機影片上的定性驗證證實了系統能夠在未見環境中識別無碰撞著陸點。結果表明，高保真程式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著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。