論文の概要: Feature Space Exploration For Planning Initial Benthic AUV Surveys
- arxiv url: http://arxiv.org/abs/2105.11598v2
- Date: Fri, 29 Dec 2023 00:53:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 03:30:59.640297
- Title: Feature Space Exploration For Planning Initial Benthic AUV Surveys
- Title（参考訳）: ベントニックAUV調査計画のための特徴空間探査
- Authors: Jackson Shields, Oscar Pizarro, Stefan B. Williams
- Abstract要約: 特別目的自律水中車両(AUV)はベントニック(海底)調査に使用される。
カメラのフットプリントが小さく、調査対象地域が広いため、これらのAUVは数万平方メートルを超える領域の完全なカバレッジ画像を収集できない。
本研究では,バスメータの特徴空間表現を効率的に探索する初期のAUVサーベイを計画する手法を提案する。
- 参考スコア（独自算出の注目度）: 11.497731809524536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Special-purpose Autonomous Underwater Vehicles (AUVs) are utilised for
benthic (seafloor) surveys, where the vehicle collects optical imagery of the
seafloor. Due to the small-sensor footprint of the cameras and the vast areas
to be surveyed, these AUVs can not feasibly collect full coverage imagery of
areas larger than a few tens of thousands of square meters. Therefore it is
necessary for AUV paths to sample the surveys areas sparsely, yet effectively.
Broad-scale acoustic bathymetric data is readily available over large areas,
and is often a useful prior of seafloor cover. As such, prior bathymetry can be
used to guide AUV data collection. This research proposes methods for planning
initial AUV surveys that efficiently explore a feature space representation of
the bathymetry, in order to sample from a diverse set of bathymetric terrain.
This will enable the AUV to visit areas that likely contain unique habitats and
are representative of the entire survey site. We propose several information
gathering planners that utilise a feature space exploration reward, to plan
freeform paths or to optimise the placement of a survey template. The
suitability of these methods to plan AUV surveys is evaluated based on the
coverage of the feature space and also the ability to visit all classes of
benthic habitat on the initial dive. Informative planners based on
Rapidly-expanding Random Trees (RRT) and Monte-Carlo Tree Search (MCTS) were
found to be the most effective. This is a valuable tool for AUV surveys as it
increases the utility of initial dives. It also delivers a comprehensive
training set to learn a relationship between acoustic bathymetry and
visually-derived seafloor classifications.
- Abstract（参考訳）: 特別目的自律水中車両(AUV)は、海底の光学画像を収集するベントニック(海底)調査に使用される。
カメラのフットプリントが小さく、調査対象地域が広いため、これらのAUVは数万平方メートルを超える領域の完全なカバレッジ画像を収集できない。
そのため,AUV経路のサンプル採取は少ないが,効果的に行う必要がある。
広帯域の音響浴量測定データは広い範囲で容易に利用でき、しばしば海底覆いに先立って有用である。
そのため、AUVデータ収集のガイドには、事前の浴量測定が使用できる。
本研究は,多種多様な水浴場から試料を採取するために,水浴計の特徴空間表現を効率的に探索する初期auvサーベイの計画手法を提案する。
これにより、AUVは独自の生息地を含む可能性があり、調査地域全体を代表する地域を訪問できる。
本稿では,機能空間探索の報奨,フリーフォームパスの計画,サーベイテンプレートの配置を最適化するための情報収集プランナーを提案する。
これらの手法のAUV調査計画への適合性は,特徴空間のカバレッジと,初期潜水時のベント性生息地の全クラスへの訪問能力に基づいて評価される。
RRT(Rapidly-Expanding Random Trees)とMCTS(Monte-Carlo Tree Search)に基づくインフォームティブプランナーが最も有効であることがわかった。
これは、初期潜水の有用性を高めるため、AUV調査にとって貴重なツールである。
また、音響浴量測定と視覚由来の海底分類の関係を学習するための総合的なトレーニングセットも提供する。
関連論文リスト
- TanDepth: Leveraging Global DEMs for Metric Monocular Depth Estimation in UAVs [5.6168844664788855]
本研究は,推定時間における相対的推定値から計量深度値を求めるための,実践的なオンラインスケール回復手法であるTanDepthを提案する。
本手法は無人航空機(UAV)の用途に応用され,GDEM(Global Digital Elevation Models)のスパース計測をカメラビューに投影することで活用する。
推定深度マップから接地点を選択して、投影された基準点と相関するクラスシミュレーションフィルタへの適応を示す。
論文 参考訳（メタデータ） (2024-09-08T15:54:43Z) - A Sonar-based AUV Positioning System for Underwater Environments with Low Infrastructure Density [2.423370951696279]
本研究では,人為的資産の分散分布を考慮したAUV(Autonomous Underwater Vehicles)のための,新しいリアルタイムソナーベースグローバル位置決めアルゴリズムを提案する。
実水中植物に類似した模擬環境下での予備実験は有望な結果をもたらした。
論文 参考訳（メタデータ） (2024-05-03T09:53:28Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳（メタデータ） (2022-03-11T16:14:14Z) - Deep residential representations: Using unsupervised learning to unlock
elevation data for geo-demographic prediction [0.0]
LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。
現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。
我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
論文 参考訳（メタデータ） (2021-12-02T17:10:52Z) - Sparse Auxiliary Networks for Unified Monocular Depth Prediction and
Completion [56.85837052421469]
コスト効率のよいセンサで得られたデータからシーン形状を推定することは、ロボットや自動運転車にとって鍵となる。
本稿では,1枚のRGB画像から,低コストな能動深度センサによるスパース計測により,深度を推定する問題について検討する。
sparse networks (sans) は,深さ予測と完了という2つのタスクをmonodepthネットワークで実行可能にする,新しいモジュールである。
論文 参考訳（メタデータ） (2021-03-30T21:22:26Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - RGB-D Salient Object Detection: A Survey [195.83586883670358]
様々な観点からRGB-Dに基づくSODモデルを総合的に調査する。
また、このドメインからSODモデルと人気のあるベンチマークデータセットもレビューします。
今後の研究に向けたRGB-DベースのSODの課題と方向性について論じる。
論文 参考訳（メタデータ） (2020-08-01T10:01:32Z) - Coverage Path Planning with Track Spacing Adaptation for Autonomous
Underwater Vehicles [0.0]
より優れたデータ収集を目的としたAUVトラック間隔に適応するカバレッジパス計画法を提案する。
我々は、最低データ品質が期待されるセンサー範囲の尾部で、カバーオーバーラップをシフトすることで、これを実現する。
論文 参考訳（メタデータ） (2020-06-23T11:04:32Z) - Towards Adaptive Benthic Habitat Mapping [9.904746542801838]
本研究では,効率的な自律下水車両(AUV)探査計画に生息環境モデルを用いる方法を示す。
ベイズニューラルネットワークは、広範囲な水量測定データを与えられたとき、視覚的に派生した生息地クラスを予測するために使用される。
これらの構造的不確実性推定が、より少ないサンプルでモデルを改善するためにどのように利用できるかを実証する。
論文 参考訳（メタデータ） (2020-06-20T01:03:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。