論文の概要: Investigation of the Challenges of Underwater-Visual-Monocular-SLAM
- arxiv url: http://arxiv.org/abs/2306.08738v1
- Date: Wed, 14 Jun 2023 20:44:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 17:20:53.299459
- Title: Investigation of the Challenges of Underwater-Visual-Monocular-SLAM
- Title(参考訳): 水中モノクロSLAMの課題の検討
- Authors: Michele Grimaldi, David Nakath, Mengkun She, Kevin K\"oser
- Abstract要約: 本研究では,水中ロボットにおける単眼視覚同時位置決め法とマッピング法(vSLAM)の課題について検討する。
まず, 水中環境において, 水中環境における性能の低下を示すとともに, 水中環境における性能の低下を示す。
本研究の最終目標は,これらの条件下でのSLAM法の精度とロバスト性を向上させる技術を明らかにすることである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a comprehensive investigation of the challenges of
Monocular Visual Simultaneous Localization and Mapping (vSLAM) methods for
underwater robots. While significant progress has been made in state estimation
methods that utilize visual data in the past decade, most evaluations have been
limited to controlled indoor and urban environments, where impressive
performance was demonstrated. However, these techniques have not been
extensively tested in extremely challenging conditions, such as underwater
scenarios where factors such as water and light conditions, robot path, and
depth can greatly impact algorithm performance. Hence, our evaluation is
conducted in real-world AUV scenarios as well as laboratory settings which
provide precise external reference. A focus is laid on understanding the impact
of environmental conditions, such as optical properties of the water and
illumination scenarios, on the performance of monocular vSLAM methods. To this
end, we first show that all methods perform very well in in-air settings and
subsequently show the degradation of their performance in challenging
underwater environments. The final goal of this study is to identify techniques
that can improve accuracy and robustness of SLAM methods in such conditions. To
achieve this goal, we investigate the potential of image enhancement techniques
to improve the quality of input images used by the SLAM methods, specifically
in low visibility and extreme lighting scenarios in scattering media. We
present a first evaluation on calibration maneuvers and simple image
restoration techniques to determine their ability to enable or enhance the
performance of monocular SLAM methods in underwater environments.
- Abstract(参考訳): 本稿では,水中ロボットにおける単眼視覚同時配置マッピング法(vSLAM)の課題について,包括的に検討する。
過去10年間、視覚データを利用する状態推定手法では大きな進歩を遂げてきたが、ほとんどの評価は、印象的な性能を示す屋内および都市環境の制御に限定されている。
しかし、水や光の条件、ロボットの経路、深さなどの要因がアルゴリズムの性能に大きな影響を及ぼす水中シナリオのような、非常に困難な環境では、これらの手法は広くテストされていない。
そこで,実世界のAUVシナリオと,正確な外部参照を提供する実験室設定で評価を行った。
水の光学特性や照明シナリオなどの環境条件が単眼vslam法の性能に与える影響を理解することに焦点が当てられている。
この目的を達成するために,まず,水中環境におけるすべての手法の動作が良好であることを示し,次いで水中環境における性能の低下を示す。
本研究の最終目標は,これらの条件下でのSLAM法の精度とロバスト性を向上させる技術を明らかにすることである。
この目的を達成するために,slam法で使用される入力画像の品質向上,特に散乱媒体の視認性および極端な照明シナリオにおける画像強調技術の可能性について検討する。
本研究では,水中環境下での単分子SLAM法の性能向上を図るため,キャリブレーション操作と簡単な画像復元技術に関する最初の評価を行った。
関連論文リスト
- Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。
照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。
提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
論文 参考訳(メタデータ) (2024-11-06T03:30:46Z) - Advanced Underwater Image Quality Enhancement via Hybrid Super-Resolution Convolutional Neural Networks and Multi-Scale Retinex-Based Defogging Techniques [0.0]
この研究は、提案されたアプローチの有効性をさらに説明するために、現実世界の水中データセットに関する広範な実験を行っている。
海洋探査、水中ロボティクス、自律水中車両といったリアルタイムの水中アプリケーションでは、ディープラーニングと従来の画像処理技術を組み合わせることで、計算効率の良いフレームワークと優れた結果が得られる。
論文 参考訳(メタデータ) (2024-10-18T08:40:26Z) - FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。
我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。
本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
論文 参考訳(メタデータ) (2024-09-25T03:54:01Z) - Low-Light Enhancement Effect on Classification and Detection: An Empirical Study [48.6762437869172]
我々は,低照度画像強調法(LLIE)が高レベル視覚タスクに与える影響を評価する。
本研究は,人間の視覚知覚における画像強調と,機械解析における切り離しを示唆するものである。
この洞察は、人間と機械の視覚の両方のニーズに合致するLLIE技術の開発に不可欠である。
論文 参考訳(メタデータ) (2024-09-22T14:21:31Z) - Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。
視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。
本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
論文 参考訳(メタデータ) (2024-09-02T23:46:27Z) - UMono: Physical Model Informed Hybrid CNN-Transformer Framework for Underwater Monocular Depth Estimation [5.596432047035205]
水中の単分子深度推定は、水中のシーンの3次元再構成などの作業の基礎となる。
既存の手法では、水中環境の特徴を考慮できない。
本稿では,UMonoと呼ばれる水中単分子深度推定のためのエンドツーエンド学習フレームワークについて述べる。
論文 参考訳(メタデータ) (2024-07-25T07:52:11Z) - Inhomogeneous illumination image enhancement under ex-tremely low visibility condition [3.534798835599242]
濃霧を通した画像は、物体の検出や認識の曖昧化といったアプリケーションに不可欠な視覚情報を欠いているため、従来の画像処理手法を妨げている。
本稿では,構造微分・積分フィルタ(F)に基づく背景照明を適応的にフィルタし,信号情報のみを向上させる手法を提案する。
提案手法は, 極めて低視認性条件下で信号の明瞭度を著しく向上し, 既存の技術よりも優れており, 深部霧画像への応用に大きく貢献することを示した。
論文 参考訳(メタデータ) (2024-04-26T16:09:42Z) - Improving the perception of visual fiducial markers in the field using Adaptive Active Exposure Control [8.928513884805097]
本稿では、画像取得時のシャープ照明変動に対処するための勾配型アクティブカメラ露光制御手法を提案する。
視覚タグを用いた水中操作の典型的なシナリオを考慮し,本手法と他の最先端露光制御法との比較実験を行った。
その結果,ロボットの局所化精度は有意に向上した。
論文 参考訳(メタデータ) (2024-04-18T10:10:56Z) - WaterFlow: Heuristic Normalizing Flow for Underwater Image Enhancement
and Beyond [52.27796682972484]
既存の水中画像強調法は, 画像品質の向上に重点を置いており, 実践への影響を無視している。
本稿では,検出駆動型水中画像強調のための正規化フローであるWaterFlowを提案する。
微分可能性や解釈可能性を考慮すると、事前をデータ駆動マッピング手法に組み込む。
論文 参考訳(メタデータ) (2023-08-02T04:17:35Z) - 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。
本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
論文 参考訳(メタデータ) (2022-07-13T16:40:02Z) - Domain Adaptive Adversarial Learning Based on Physics Model Feedback for
Underwater Image Enhancement [10.143025577499039]
物理モデルに基づくフィードバック制御と,水中画像の高機能化のための領域適応機構を用いた,新しい頑健な対角学習フレームワークを提案する。
水中画像形成モデルを用いてRGB-Dデータから水中訓練データセットをシミュレーションする新しい手法を提案する。
合成および実水中画像の最終的な改良結果は,提案手法の優位性を示している。
論文 参考訳(メタデータ) (2020-02-20T07:50:00Z)
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。