《Drones》：Development of a Thermal Helipad for UAVs and Detection with Deep Learning
Ersin Demiray,
Mehmet Konar and
Seda Ar?k Hatipo?lu
编辑推荐：
针对无人机（Unmanned Aerial Vehicle, UAV）在低光照、夜间及雾天等视觉条件受限环境下着陆感知可靠性不足的问题，研究人员提出了一种采用电阻加热元件与高发射率涂层构建的主动加热式热成像直升机着陆坪，并结合光学与热成像数据融合技术提升深度学
针对无人机（Unmanned Aerial Vehicle, UAV）在低光照、夜间及雾天等视觉条件受限环境下着陆感知可靠性不足的问题，研究人员提出了一种采用电阻加热元件与高发射率涂层构建的主动加热式热成像直升机着陆坪，并结合光学与热成像数据融合技术提升深度学习模型的检测鲁棒性。研究人员在实际飞行实验中采集了日间与夜间条件下的光学与热成像图像，采用平均融合（Averaging Fusion, AVGF）、离散小波变换融合（Discrete Wavelet Transform Fusion, DWTF）、梯度金字塔融合（Gradient Pyramid Fusion, GPF）、拉普拉斯金字塔融合（Laplacian Pyramid Fusion, LPF）、形态学金字塔融合（Morphological Pyramid Fusion, MPF）及哈尔小波变换融合（Haar Wavelet Transform Fusion, HWTF）等方法生成融合数据集，并在YOLOv8架构下训练检测模型。实验结果表明，单一模态训练的模型在跨域泛化方面表现有限，而基于融合数据的学习方法显著提升了在光学和热成像域的检测稳定性，其中LPF、MPF与HWTF方法在不同环境条件下均表现出较优的性能提升。该研究成果可在不依赖全球导航卫星系统（Global Navigation Satellite System, GNSS）或主动红外标记的情况下，提高无人机在夜间及低能见度条件下的着陆区域可探测性，增强飞行安全性，并为民用与搜救领域的自主着陆决策支持提供技术基础。
本研究由Ersin Demiray、Mehmet Konar与Seda Ar?k Hatipo?lu完成，发表于《Drones》期刊，聚焦于解决无人机在复杂视觉环境下的自主着陆安全问题。当前无人机自主着陆多依赖GNSS或单一视觉传感，在夜间、雾霾或光照不足场景中可靠性下降，且现有热成像辅助着陆常需额外红外信标或加热标记，缺乏跨模态融合的系统优化。为此，研究人员设计了一种主动加热式热成像着陆坪，通过电阻加热元件与高发射率表面涂层实现均匀热分布，使其在热成像系统中具备高对比度，并结合多模态图像融合与深度学习检测提升整体性能。研究结果显示，融合学习显著优于单模态检测，尤其在低能见度条件下，能有效保障着陆区域识别的稳定性与准确性，为无人机自主安全着陆提供了可扩展的技术方案。
关键技术方法方面，研究人员使用DJI Mavic 3T无人机采集日间、黄昏与夜间的光学与热成像图像，涵盖六种不同场景背景。图像融合采用AVGF、DWTF、GPF、LPF、MPF与HWTF六种经典算法，分别突出热目标强度、光学细节与结构连续性。检测模型基于YOLOv8 Large架构，输入图像尺寸统一为640×640，批量大小为8，训练周期200次，数据集按场景级别划分训练、验证与测试集，以避免数据泄露。
研究主体分为若干小节展开。在引言部分，研究人员指出无人机应用的快速增长带来了飞行安全挑战，现有视觉感知系统在低照度与恶劣天气下受限，而热成像技术可提供独立于可见光的探测能力，但跨模态感知差异尚未得到充分解决。相关工作综述涵盖深度学习着陆系统、热成像无人机的多领域应用（如消防、搜救、农业、能源巡检等）及已有热成像着陆系统的技术方案，明确了本研究的创新空间。在理论基础部分，研究人员介绍了直升机着陆坪的标准几何比例、热辐射与发射率原理、热成像相机类型（近红外NIR、中红外MIR、长波红外LWIR与远红外FIR）及YOLO系列算法的特点，并解释了不同图像融合方法的物理与技术特性。在材料与方法部分，研究人员详细描述了电阻加热着陆坪的制作过程，包括铝基板加工、硅橡胶加热器布置、高发射率黑漆涂层处理，以及温度控制系统（DS18B20传感器与微控制器调节）。数据采集环节确保光学与热成像帧的稳定对齐，并通过融合算法生成多模态数据集。检测模型训练与评估环节，分别对光学、热成像及融合数据进行独立建模与交叉验证。
结果与讨论部分显示，各模型在自身验证集上均取得较高指标，但在独立日间与夜间测试集中，单模态模型的泛化能力下降，而融合模型在跨域检测中表现更为稳健。LPF、MPF与HWTF方法在保持热目标显著性的同时兼顾光学细节，提升了检测的可靠性。研究人员指出，目标像素覆盖率随飞行高度增加而降低，大尺寸着陆坪与更高分辨率热成像传感器可改善远距离检测效果。当前工作专注于着陆标记检测，而非完整的精准着陆控制框架，未来可与姿态估计及视觉伺服模块结合，实现全流程自主着陆。
结论部分强调，主动加热式热成像着陆坪无需依赖额外红外信标即可被无人机可靠识别，多模态融合学习显著增强了在退化视觉环境中的检测鲁棒性。该研究为无人机在夜间与低能见度条件下的安全着陆提供了可行的技术方案，并在航空安全与智能感知领域具有推广应用价值。
