利用自主无人机与无人地面车辆进行场景理解以执行辐射搜索作业
机器人学
2016-09-02 v1 计算机视觉与模式识别
摘要
自主搜索危险辐射源需要空中和地面系统理解其所侦察的场景。本文提出了利用无人机（UAV）和无人地面车辆（UGV），通过语义场景分割执行辐射搜索的系统、算法和实验。空中数据用于识别辐射兴趣点，生成场景的正射影像及数字高程模型（DEM），并执行语义分割，为正射影像中的每个像素分配一个类别（如道路、草地）。我们通过以下方式执行语义分割：在我们收集并标注的图像数据集上训练模型，使用该模型对模型未见过的测试区域图像进行推理，然后利用DEM细化结果，以更好地推断每个像素的类别预测。随后，我们利用所有这些输出为搭载LiDAR和辐射探测器的UGV规划路径，前者用于绘制环境地图并避开飞行期间不存在的障碍物，后者用于从地面收集更精确的辐射测量数据。对每个测试场景的分析结果均表现良好。我们还注意到，我们的方法是通用的，有潜力适用于多种不同的传感任务。
引用
@article{arxiv.1609.00017,
title = {Radiation Search Operations using Scene Understanding with Autonomous UAV and UGV},
author = {Gordon Christie and Adam Shoemaker and Kevin Kochersberger and Pratap Tokekar and Lance McLean and Alexander Leonessa},
journal= {arXiv preprint arXiv:1609.00017},
year = {2016}
}