面向灾区自主导航的移动平台语义分割模型表征

在地震等受灾区域中，无人车辆用于搜寻和定位受害者的作用日益重要。地震区域的自主导航面临一个独特挑战：检测形状不规则的障碍物，如道路裂缝、街道碎屑和水坑。在本文中，我们针对包含极不规则障碍物的此类场景，在移动嵌入式平台上对若干最先进的 FCN 模型进行表征，用于自主导航。我们从精度、性能和能效方面评估这些模型。我们为所设计的视觉系统提出了一些优化方案。最后，我们讨论了可各自执行自主导航的几种移动平台间这些模型的权衡。为使车辆能够安全导航地震区域，我们编译了一个不同于传统道路损伤数据库的、包含各地震影响区域的新标注图像数据库。我们用若干最先进的语义分割模型训练该数据库，以识别地震区域特有的障碍物。基于统计与权衡，为移动车载平台选定了一个最优 CNN 模型，并将其应用于我们设计的低功耗与极低功耗配置。据我们所知，这是首项识别独特挑战并讨论基于边缘的地震区域自主导航移动车辆在精度、性能和能耗方面影响的研究。我们提出的数据库与训练模型已公开可用。