PST900：RGB-热成像校准、数据集与分割网络

在本研究中，我们提出将长波红外（LWIR）图像作为基于学习方法进行语义分割的可行辅助模态。首先，针对RGB-热成像相机标定问题，我们提出了一种被动式标定靶标及其标定流程，该方法具有便携性且使用简便。其次，我们构建了PST900数据集，该数据集包含894对同步采集并经过标定的RGB与热成像图像，涵盖来自DARPA地下挑战赛（DARPA Subterranean Challenge）的四个不同类别，且每像素均标注了人体信息。最后，我们提出了一种用于快速语义分割的卷积神经网络（CNN）架构，该架构能够有效融合RGB与热成像数据，并在保持RGB图像独立利用能力的同时实现性能提升。我们在所构建的数据集上将所提方法与当前最先进方法进行对比，结果表明，本方法在该数据集上表现优于现有方法。