面向自动导航系统中离野沙漠地形分类的基于Transformer的语义分割 DesertFormer
计算机视觉与模式识别
2026-03-19 v1 机器学习
摘要
可靠的地形感知是结构化、非公路环境下自动导航的基本要求。沙漠景观因色彩对比度低、光照极端变化以及植被稀疏而挑战性较大，远超标准道路场景分割模型的假设。我们提出DesertFormer，一种基于SegFormer B2的语义分割管道，其采用分层混合Transformer（MiT-B2）作为骨干网络。系统将地形划分为十个生态学意义明确的类别——树木、茂密灌木、干草、干灌木、杂物、花朵、木块、岩石、景观和天空——为地面机器人和自动驾驶车辆提供安全感知的路径规划。我们构建了一个包含4176幅分辨率为512×512的离野地形图像的专用数据集，DesertFormer实现了64.4%的平均交并比（mIoU）和86.1%的像素准确率，相较于DeepLabV3 MobileNetV2基线（41.0% mIoU）提升了24.2个百分点。我们进一步提出了系统性的失效分析，识别出主要的混淆模式——杂物误判为景观、干草误判为景观——并提出基于类别权重的训练和复制-粘贴数据增强以改善稀有地形类别。代码、模型权重及交互式推理仪表板已发布于https://github.com/Yasaswini-ch/Vision-based-Desert-Terrain-Segmentation-using-SegFormer。
引用
@article{arxiv.2603.17056,
title = {DesertFormer: Transformer-Based Semantic Segmentation for Off-Road Desert Terrain Classification in Autonomous Navigation Systems},
author = {Yasaswini Chebolu},
journal= {arXiv preprint arXiv:2603.17056},
year = {2026}
}
备注
10 pages, 6 figures, 3 tables. Preprint also available on Zenodo (DOI: 10.5281/zenodo.19053085)