应用于微型飞行器着陆的光流自监督学习障碍物外观

单目光流已广泛应用于微型飞行器（MAV）视觉导航过程中的障碍物检测。然而，这种方法需要显著的移动，这降低了导航效率，甚至在狭窄空间内可能引入风险。在本文中，我们引入了一种自监督学习（SSL）的新设置，其中光流线索作为支架来学习环境中障碍物的视觉外观。我们将其应用于着陆任务，在该任务中，首先从光流场估计“表面粗糙度”以检测障碍物。随后，学习一个线性回归函数，将由 texton 分布表示的外观特征映射到粗糙度估计值。学习完成后，MAV 仅通过分析静止图像即可检测障碍物。这使得 MAV 无需移动即可搜寻着陆点。我们首先通过涉及机载相机捕获图像的离线测试验证了该原理的可行性，随后在飞行中演示了该原理。尽管表面粗糙度是全局图像中整个光流场的属性，但外观学习甚至允许对障碍物进行像素级分割。