A medida que la aplicación de los UAV se vuelve cada vez más generalizada, también ocurren accidentes como lesiones accidentales al personal, daños a la propiedad y pérdida y destrucción de UAV debido a accidentes de choque. Para reducir la ocurrencia de tales accidentes, los UAV necesitan tener la capacidad de elegir de manera autónoma un área segura para aterrizar en una situación accidental, y la clave radica en realizar un procesamiento de segmentación semántica en tiempo real a bordo. En este documento, proponemos un método de segmentación semántica eficiente llamado KDP-Net para características como cambios de gran escala en las características y altos requisitos de procesamiento en tiempo real durante el proceso de aterrizaje de emergencia. El módulo KDP propuesto puede mejorar efectivamente la precisión y el rendimiento de la red de segmentación semántica; la Red de Segmentación Bilateral propuesta mejora la precisión de extracción y la velocidad de procesamiento de categorías de características importantes en la fase de entrenamiento; y el módulo de extracción de bordes propuesto mejora la precisión de clasificación de características finas. Los resultados experimentales en UDD6 y SDD muestran que la velocidad de procesamiento de este método alcanza 85.25 fps y 108.11 fps, mientras que el mIoU alcanza 76.9% y 67.14%, respectivamente. La velocidad de procesamiento alcanza 53.72 fps y 38.79 fps cuando se mide en Jetson Orin, lo que puede cumplir con los requisitos de segmentación en tiempo real a bordo para aterrizajes de emergencia.