无人机（UAV）对周围环境进行空中像素级场景感知是一项关键任务。以往的研究主要采用传统的针孔相机或鱼眼相机作为成像设备，然而这些成像系统难以同时实现大视场角（Field of View, FoV）、小型化和轻量化。为此，本文设计了一种配备全景环形镜头（Panoramic Annular Lens, PAL）的无人机系统，该镜头具有体积小、重量轻以及360度环形视场角的显著优势。为实现高精度且实时的场景解析，我们进一步提出了一种轻量化的全景环形语义分割神经网络模型。此外，本文首次构建了基于无人机视角的全景场景分割数据集——Aerial-PASS，其中包含跑道、场地及其他类别的标注标签。大量综合性实验表明，所设计的系统在空中全景场景解析任务中表现优异。特别地，所提出的模型在分割精度与推理速度之间取得了出色的平衡，其性能在公开的街景数据集以及我们自建的空中场景数据集上均得到了充分验证。