用于无人机语义建图主动学习的信息路径规划框架

无人机常用于航空测绘和一般监测任务。深度学习的最新进展实现了图像的自动语义分割，从而促进对大规模复杂环境的理解。常用的用于分割的有监督深度学习依赖于大量像素级标注数据，这些数据的标注既繁琐又昂贵。航空环境特有的视觉外观通常阻碍了在公开可用数据集上预训练模型的使用。为了解决这一问题，我们提出了一种新颖的无人机通用规划框架，以自主获取用于模型重训练的信息性训练图像。我们利用多个采集函数并将其融合到概率地形图中。我们的框架将映射后的采集函数信息结合到无人机的规划目标中。通过这种方式，无人机自适应地获取信息性航空图像以进行人工标注，用于模型重训练。在真实世界数据和照片级真实感仿真中的实验结果表明，我们的框架最大化了模型性能并大幅减少了标注工作量。我们基于地图的规划器优于最先进的局部规划方法。