面向实时计算机视觉着陆系统运行保障的预测不确定性
计算机视觉与模式识别
2025-08-14 v1 机器人学
摘要
数据驱动的计算机视觉的最新进展为包括自动着陆和跑道检测在内的民用航空提供了鲁棒的自主导航能力。然而，确保这些系统满足航空应用的鲁棒性和安全性要求仍然是一个重大挑战。在这项工作中，我们提出了一种基于视觉的实用管道，用于从跑道图像中进行飞机姿态估计，这代表着向认证这些系统用于安全关键航空应用迈出了一步。我们的方法具有三项关键创新：(i) 一种基于空间Soft Argmax算子的高效、灵活的神经架构，用于概率关键点回归，支持多种视觉骨干网络并实现实时推理；(ii) 一个产生校准预测不确定性的原则性损失函数，通过锐度和校准指标进行评估；(iii) 一种对基于残差的接收机自主完整性监控（RAIM）的改进，能够实现运行时检测和拒绝错误的模型输出。我们在跑道图像数据集上实现并评估了我们的姿态估计管道。我们表明，我们的模型在精度上优于基线架构，同时还产生了校准良好的、具有亚像素精度的不确定性估计，可用于下游的故障检测。
引用
@article{arxiv.2508.09732,
title = {Predictive Uncertainty for Runtime Assurance of a Real-Time Computer Vision-Based Landing System},
author = {Romeo Valentin and Sydney M. Katz and Artur B. Carneiro and Don Walker and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:2508.09732},
year = {2025}
}
备注
8 pages, 5 figures, accepted at DASC 2025