面向野外鲁棒无人机视觉

过去几年见证了无人机应用的爆发，其中计算机视觉起着关键作用。然而，大多数公开无人机视觉数据集聚焦于检测与跟踪。另一方面，大多数现有图像超分辨率方法的性能对数据集敏感，具体而言，对高分辨率与低分辨率图像间的退化模型敏感。本文中，我们提出首个面向无人机视觉的图像超分辨率数据集。图像对由无人机上两台不同焦距的相机捕获。我们在不同高度采集数据，并提出预处理步骤以对齐图像对。大量实证研究表明，不同高度捕获的图像间存在域差距。同时，预训练图像超分辨率网络在我们的数据集上性能亦下降，且随高度变化。最后，我们提出两种方法来构建不同高度下鲁棒的图像超分辨率网络。第一种通过高度感知层将高度信息输入网络；第二种使用一次性学习快速使超分辨率模型适应未知高度。我们的结果显示，所提方法能有效提升超分辨率网络在不同高度下的性能。