論文の概要: Efficient Large-scale AUV-based Visual Seafloor Mapping

• arxiv url: http://arxiv.org/abs/2308.06147v1
• Date: Fri, 11 Aug 2023 14:24:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 13:43:28.934095
• Title: Efficient Large-scale AUV-based Visual Seafloor Mapping
• Title（参考訳）: 大規模AUVを用いた視覚海底マッピング
• Authors: Mengkun She and Yifan Song and David Nakath and Kevin K\"oser
• Abstract要約: 海底画像と視覚マッピングの最近の進歩を取り入れ,海底のヘクタールの自動3次元再構築を支援するシステムを提案する。 我々のアプローチは,画像の省略や潜水時間制限の有効利用のために,弱い登録領域の検出と再考が困難である。 提案システムは, 実環境下でのロバスト性および実用性を実証し, いくつかの調査巡航において広範囲に検証され, 評価されている。
• 参考スコア（独自算出の注目度）: 6.7864586321550595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Driven by the increasing number of marine data science applications, there is a growing interest in surveying and exploring the vast, uncharted terrain of the deep sea with robotic platforms. Despite impressive results achieved by many on-land visual mapping algorithms in the past decades, transferring these methods from land to the deep sea remains a challenge due to harsh environmental conditions. Typically, deep-sea exploration involves the use of autonomous underwater vehicles (AUVs) equipped with high-resolution cameras and artificial illumination systems. However, images obtained in this manner often suffer from heterogeneous illumination and quality degradation due to attenuation and scattering, on top of refraction of light rays. All of this together often lets on-land SLAM approaches fail underwater or makes Structure-from-Motion approaches drift or omit difficult images, resulting in gaps, jumps or weakly registered areas. In this work, we present a system that incorporates recent developments in underwater imaging and visual mapping to facilitate automated robotic 3D reconstruction of hectares of seafloor. Our approach is efficient in that it detects and reconsiders difficult, weakly registered areas, to avoid omitting images and to make better use of limited dive time; on the other hand it is computationally efficient; leveraging a hybrid approach combining benefits from SLAM and Structure-from-Motion that runs much faster than incremental reconstructions while achieving at least on-par performance. The proposed system has been extensively tested and evaluated during several research cruises, demonstrating its robustness and practicality in real-world conditions.
• Abstract（参考訳）: 海洋データサイエンスの応用が増えている中で、ロボットプラットフォームによる深海の広大な未開の地形を調査し調査することへの関心が高まっている。 過去数十年で多くの陸地視覚マッピングアルゴリズムが達成した印象的な成果にもかかわらず、これらの手法を陸地から深海に転送することは厳しい環境条件のために依然として課題である。 通常、深海探査には高解像度カメラと人工照明システムを備えた自律型水中車両(AUV)が使用される。 しかし、この方法で得られた画像は、光の屈折に加えて、減衰や散乱による不均一な照明や品質劣化に苦しむことが多い。 これらをすべて組み合わせることで、地上のSLAMアプローチが水中で失敗したり、Structure-from-Motionアプローチが難しい画像のドリフトや省略をし、ギャップやジャンプ、弱い登録領域が生まれる。 本研究では,海底画像と視覚マッピングの最近の進歩を取り入れ,海底のヘクタールの自動ロボット3次元再構築を容易にするシステムを提案する。 提案手法は, 難易度の高い弱登録領域を検出し, 画像の省略を回避し, 限られたダイブ時間をより有効に利用するために, 効率的な手法である。 提案システムは, 実環境下でのロバスト性および実用性を実証し, いくつかの調査巡航において広範囲に検証され, 評価されている。

関連論文リスト

• 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)
• UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
  ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。 再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
  論文  参考訳（メタデータ） (2024-10-10T16:33:56Z)
• 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)
• An Efficient Detection and Control System for Underwater Docking using Machine Learning and Realistic Simulation: A Comprehensive Approach [5.039813366558306]
  この研究は、水中ドッキングの検出と分類を行うために異なるディープラーニングアーキテクチャと比較する。 GAN(Generative Adversarial Network)は画像から画像への変換に用いられ、ガゼボのシミュレーション画像を水中画像に変換する。 その結果,水中の潮流によらず,高濁度シナリオでは20%の改善が見られた。
  論文  参考訳（メタデータ） (2023-11-02T18:10:20Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• Seafloor-Invariant Caustics Removal from Underwater Imagery [0.0]
  コースティックス(英: Caustics)は、波面によって屈折される光線の投射によって生じる複雑な物理現象である。 本研究では,浅海底画像に対する因果関係の影響を補正する新しい手法を提案する。 特に,画像画素を"非因果的"と"因果的"に分類するために,ディープラーニングアーキテクチャを用いた。
  論文  参考訳（メタデータ） (2022-12-20T11:11:02Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• 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)
• HybrUR: A Hybrid Physical-Neural Solution for Unsupervised Underwater Image Restoration [18.690940762032568]
  そこで本稿では,無人水中画像から水中視力回復を学習する,データ駆動型・物理駆動型非教師アーキテクチャを提案する。 Jaffe-McGlamery分解理論を用いて生成モデルを設計し、ニューラルネットワークを用いて水中劣化の過程を記述する。 提案手法は,非拘束水中画像の高品質な復元を,監督なしに行うことができることを示す。
  論文  参考訳（メタデータ） (2021-07-06T15:00:30Z)
• Deep Sea Robotic Imaging Simulator [6.2122699483618]
  海洋の最大の部分である深海は、現在もほとんど未調査のままである。 深海画像は浅い海域で撮影された画像とは大きく異なり、この地域はコミュニティからはあまり注目されなかった。 本稿では,空気中のテクスチャと深度情報を入力として利用する物理モデルに基づく画像シミュレーションソリューションを提案する。
  論文  参考訳（メタデータ） (2020-06-27T16:18:32Z)
• HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of Satellite Imagery [55.253395881190436]
  MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。 これは、地球上の人間の影響を衛星で観測する上で重要である。 我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
  論文  参考訳（メタデータ） (2020-02-15T22:17:47Z)

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。