面向飞行器的在线自监督热成像水体分割

我们提出了一种新方法，利用纹理与运动线索作为监督信号，通过在线自监督将 RGB 训练的水体分割网络适配到目标域的航空热成像图像。这一新的热成像能力使当前在近岸环境作业的自主飞行机器人能够在夜间执行视觉导航、测深和流场追踪等任务。我们的方法克服了近岸热数据稀缺且难以获取、从而阻碍常规监督与无监督方法应用的问题。本工作中，我们整理了首个航空热成像近岸数据集，表明我们的方法优于在有限目标域热数据上训练的全监督分割模型，并展示了在 Nvidia Jetson 嵌入式计算平台上的实时能力。本工作使用的代码与数据集将发布于：https://github.com/connorlee77/uav-thermal-water-segmentation。