Benedikt Kolbeinsson Krystian Mikolajczyk

摘要

自主无人机在遥感、应急救援等关键领域的应用进展，受到缺乏能够全面反映真实世界环境挑战的训练数据集的制约，尤其是在非理想天气条件下的作业能力以及对细长结构（如电线）的检测能力方面。为此，本文提出了“无人机深度与障碍物分割”（Drone Depth and Obstacle Segmentation, DDOS）数据集，以填补这一关键空白。DDOS包含大量合成的航拍图像，旨在为语义分割与深度估计任务提供全面且具有代表性的训练样本。该数据集特别针对细长结构的识别进行优化设计，使无人机能够在多种复杂气象条件下安全导航，显著提升无人机的训练效果与运行安全性。此外，本研究还引入了一套面向无人机任务的创新评估指标，专注于深度估计中细结构检测性能的精细化评估。这些贡献不仅为自主无人机技术的显著提升开辟了道路，也为未来研究设立了新的基准，进一步推动了无人机导航与安全技术的发展。