基于自主路径规划与深度学习的无人机灾后建筑室内损伤与幸存者检测
计算机视觉与模式识别
2025-03-14 v1 机器人学
摘要
对地震等自然灾害的快速响应是确保民用基础设施安全和减少伤亡的关键要素。传统人工检查劳动密集、耗时，且对检查人员和救援人员可能存在危险。本文提出了一种面向灾后建筑室内场景的自主检查方法，该方法融合了自主导航方法、基于深度学习的损伤与幸存者检测方法，以及配备机载传感器的定制低成本微型空中飞行器（MAV）。在伪灾后办公建筑中的实验研究表明，所提出的方法在结构损伤检查和幸存者检测方面均能达到高精度。总体而言，所提出的检查方法在提高现有灾后建筑人工检查效率方面展现出巨大潜力。
引用
@article{arxiv.2503.10027,
title = {Post-disaster building indoor damage and survivor detection using autonomous path planning and deep learning with unmanned aerial vehicles},
author = {Xiao Pan and Sina Tavasoli and T. Y. Yang and Sina Poorghasem},
journal= {arXiv preprint arXiv:2503.10027},
year = {2025}
}
备注
10 pages, 9 figures, accepted in the International Association for Bridge and Structural Engineering (IABSE) Symposium 2025, Tokyo, Japan