本研究では、学習ベースの手法を用いた意味分割において、長波長赤外線（LWIR）画像を有効な補助モダリティとして提案する。まず、RGBカメラと赤外線カメラのキャリブレーション問題に対し、携帯性に優れ、使いやすい受動型キャリブレーションターゲットおよび手順を提案する。次に、DARPA地下環境チャレンジから得られた4つの異なるクラスにわたり、ピクセル単位の人物アノテーションが付与された894組の同期化・キャリブレーション済みRGB画像と赤外線画像から構成される、PST900という新規データセットを提示する。最後に、RGB画像と赤外線画像を効果的に統合しつつ、RGB画像の独立的な利用を可能にするCNNアーキテクチャを提案し、高速な意味分割を実現する。提案手法を最先端手法と比較した結果、本データセット上において、提案手法が優れた性能を発揮することを示した。