面向微型飞行器的在线自监督场景分割
机器人学
2018-06-15 v1 计算机视觉与模式识别
摘要
近年来，受载荷与功耗限制的轻量化微型飞行器（MAVs）研发取得了诸多进展。当这些机器人致力于在复杂动态环境中实现高速自主飞行时，远距离的鲁棒场景理解变得至关重要。该问题显著受制于基于几何的方法所受传感器能力限制，或数据驱动方法所需的大量人工标注训练数据。这促使我们有必要构建能够结合几何与数据驱动方法互补优势以缓解上述问题的系统。本文朝此方向迈出一步，提出一种基于自监督在线学习的自适应场景分割通用框架。我们在基于视觉的自主MAV飞行背景下呈现该框架，并通过在基准数据集与真实野外测试上的大量实验验证所提系统的有效性。
引用
@article{arxiv.1806.05269,
title = {Online Self-supervised Scene Segmentation for Micro Aerial Vehicles},
author = {Shreyansh Daftry and Yashasvi Agrawal and Larry Matthies},
journal= {arXiv preprint arXiv:1806.05269},
year = {2018}
}