AeroLite-MDNet：面向无人机着陆的轻量级多任务偏差检测网络
机器人学
2025-06-30 v1 人工智能
计算机视觉与模式识别
摘要
无人机（UAV）日益被用于土地测绘、物料运输和环境监测等多种应用场景。执行数据收集或巡检任务后，UAV 必须安全着陆于 docking 站进行储存或充电，这是确保运营连续性的关键要求。然而，由于 GPS 信号干扰等因素，准确着陆仍具挑战性。为此，我们提出一种基于视觉的 UAV 着陆偏差警报系统，采用一种新型模型称为 AeroLite-MDNet。该模型集成了多尺度融合模块，用于稳健的跨尺度目标检测，并包含一个分割分支用于高效的姿态估计。我们引入了新的评估指标——平均警报延迟（AWD），用于量化系统对着陆偏差的灵敏度。此外，我们贡献了一个新数据集 UAVLandData，捕获真实世界的着陆偏差场景以支持训练和评估。实验结果表明，我们的系统在实现 0.7 秒的 AWD 和 98.6% 的偏差检测准确率方面表现突出，显示其在提升 UAV 着陆可靠性方面的有效性。代码将在 https://github.com/ITTTTTI/Maskyolo.git 上公开
引用
@article{arxiv.2506.21635,
title = {AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing},
author = {Haiping Yang and Huaxing Liu and Wei Wu and Zuohui Chen and Ning Wu},
journal= {arXiv preprint arXiv:2506.21635},
year = {2025}
}