面向无人机导航的自适应深度获取与可微分传感-飞行适应分阶段框架

《Sensors》：Learning Active Depth Sensing for UAV Navigation: Reliability Supervision and Staged Adaptation

　　自适应深度获取改变了用于无人机导航的观测数据。我们提出了一种分阶段框架，将有向深度可靠性监督与飞行性能联系起来。主动立体代理为最不可靠的图像块提供功率、曝光和增益目标。学生轨迹重标注将监督扩展到学习获取状态，而独立的视觉主干在飞行适应过程中保持相机映射。在主要的模拟孔径穿越基准测试中（60步上限），成功率达到75.1%，高于名义固定获取的66.7%，同时有效深度填充率从72.1%提升至97.5%。在另一消融实验方案下（5秒超时；120步上限），移除重标注并重训将使成功率从77.89%降至70.78%；共享视觉主干则使其降至74.30%。冻结策略在四种部分观测布局下保持75.33%–79.67%的成功率。有界深度偏差测试在0.10米时成功率为70.00%，在0.30米时为37.00%，相比之下其零偏差对照组为74.67%。补充的D455数据采集显示相机适应后的覆盖率增益，另一项PX4硬件在环测试使用合成深度完成了44/60次穿越。结果表明，完整的可微传感与飞行适应框架可带来导航收益，同时也量化了其对错误距离的敏感性。