基于混合真实与虚拟场景的无人机机场道面自动检测
计算机视觉与模式识别
2024-01-12 v1
摘要
跑道和滑行道道面在其设计使用寿命内承受高应力，不可避免地导致其状况随时间恶化。为确保机场道面状况能够保障不间断且具有韧性的运行，监测其状况并进行定期检查至关重要。基于无人机的检测因其广泛的监测能力和较低的成本，近来日益受到重视。在这项工作中，我们提出了一种基于视觉的方法，利用无人机拍摄的图像自动识别道面破损。该方法基于深度学习（DL）对图像中的缺陷进行分割。该深度学习架构通过使用 EfficientNet 特征提取和特征金字塔网络分割的优化实现，充分利用了无人机嵌入式系统的低计算能力。为解决训练标注数据不足的问题，我们开发了一种合成数据集生成方法，以扩展现有的破损数据集。我们证明，在真实应用场景中测试训练模型时，使用由合成和真实训练图像组成的混合数据集能获得更好的结果。
引用
@article{arxiv.2401.06019,
title = {Automatic UAV-based Airport Pavement Inspection Using Mixed Real and Virtual Scenarios},
author = {Pablo Alonso and Jon Ander Iñiguez de Gordoa and Juan Diego Ortega and Sara García and Francisco Javier Iriarte and Marcos Nieto},
journal= {arXiv preprint arXiv:2401.06019},
year = {2024}
}
备注
12 pages, 6 figures, published in proceedings of 15th International Conference on Machine Vision (ICMV)