論文の概要: A Multi-Mode Structured Light 3D Imaging System with Multi-Source Information Fusion for Underwater Pipeline Detection

• arxiv url: http://arxiv.org/abs/2512.11354v1
• Date: Fri, 12 Dec 2025 08:04:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.6961
• Title: A Multi-Mode Structured Light 3D Imaging System with Multi-Source Information Fusion for Underwater Pipeline Detection
• Title（参考訳）: 水中パイプライン検出のためのマルチソース情報融合を用いたマルチモード光3次元イメージングシステム
• Authors: Qinghan Hu, Haijiang Zhu, Na Sun, Lei Chen, Zhengqiang Fan, Zhiqing Li,
• Abstract要約: 本稿では,パイプライン検出のためのマルチモード水中構造光3Dイメージングシステムを開発した。 水中画像の効率的な補正には高速歪み補正(FDC)法を用いる。 水中パイプラインの幾何学的変動に適応するために,マルチモード3次元イメージング戦略を導入する。
• 参考スコア（独自算出の注目度）: 7.2241241727333945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Underwater pipelines are highly susceptible to corrosion, which not only shorten their service life but also pose significant safety risks. Compared with manual inspection, the intelligent real-time imaging system for underwater pipeline detection has become a more reliable and practical solution. Among various underwater imaging techniques, structured light 3D imaging can restore the sufficient spatial detail for precise defect characterization. Therefore, this paper develops a multi-mode underwater structured light 3D imaging system for pipeline detection (UW-SLD system) based on multi-source information fusion. First, a rapid distortion correction (FDC) method is employed for efficient underwater image rectification. To overcome the challenges of extrinsic calibration among underwater sensors, a factor graph-based parameter optimization method is proposed to estimate the transformation matrix between the structured light and acoustic sensors. Furthermore, a multi-mode 3D imaging strategy is introduced to adapt to the geometric variability of underwater pipelines. Given the presence of numerous disturbances in underwater environments, a multi-source information fusion strategy and an adaptive extended Kalman filter (AEKF) are designed to ensure stable pose estimation and high-accuracy measurements. In particular, an edge detection-based ICP (ED-ICP) algorithm is proposed. This algorithm integrates pipeline edge detection network with enhanced point cloud registration to achieve robust and high-fidelity reconstruction of defect structures even under variable motion conditions. Extensive experiments are conducted under different operation modes, velocities, and depths. The results demonstrate that the developed system achieves superior accuracy, adaptability and robustness, providing a solid foundation for autonomous underwater pipeline detection.
• Abstract（参考訳）: 水中パイプラインは耐食性が高く、サービスの寿命を短縮するだけでなく、重大な安全リスクを生じさせる。 手動検査と比較して、水中パイプライン検出のためのインテリジェントリアルタイムイメージングシステムは、より信頼性が高く実用的なソリューションとなっている。 様々な水中イメージング技術の中で、構造化光3Dイメージングは、正確な欠陥のキャラクタリゼーションのために十分な空間的詳細を復元することができる。 そこで本研究では,マルチソース情報融合に基づくパイプライン検出(UW-SLD)のためのマルチモード水中構造光3Dイメージングシステムを開発した。 まず, 高速歪み補正法を用いて水中画像の効率的な補正を行う。 水中センサの外部キャリブレーションの課題を克服するために, 構造光と音響センサの変換行列を推定する因子グラフに基づくパラメータ最適化手法を提案する。 さらに、水中パイプラインの幾何学的変動に適応するために、マルチモード3Dイメージング戦略を導入する。 水中環境に多数の障害が存在することを踏まえ、複数ソース情報融合戦略と適応拡張カルマンフィルタ(AEKF)は、安定したポーズ推定と高精度測定を確実にするために設計されている。 特にエッジ検出に基づくICP(ED-ICP)アルゴリズムを提案する。 このアルゴリズムは, 可変運動条件下においても, 欠陥構造の堅牢かつ高忠実な再構築を実現するため, パイプラインエッジ検出ネットワークを拡張点クラウド登録と統合する。 広範囲な実験は、異なる操作モード、速度、深さで実施される。 以上の結果から, 本システムはより精度, 適応性, 堅牢性が向上し, 自律型水中パイプライン検出の基盤となることが示唆された。

関連論文リスト

• APGNet: Adaptive Prior-Guided for Underwater Camouflaged Object Detection [22.097955383220143]
  本研究では,水中環境下でカモフラージュされた物体を検出するために,APGNet(Adaptive Prior-Guided Network)を提案する。 APGNetは、ロバスト性と検出精度を高めるために、シームズアーキテクチャと新しい事前誘導機構を統合する。 提案手法は,広く用いられている評価基準の下で,15の最先端手法より優れていた。
  論文  参考訳（メタデータ） (2025-10-14T01:51:44Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Inland Waterway Object Detection in Multi-environment: Dataset and Approach [12.00732943849236]
  本稿では,多環境インランド・ウォーターウェイ・ベッセル・データセット(MEIWVD)を紹介する。 MEIWVDは、晴れ、雨、霧、人工照明など様々なシナリオから32,478枚の高品質な画像で構成されている。 本稿では,環境条件に応じた水面画像改善のためのシーン誘導画像強調モジュールを提案する。
  論文  参考訳（メタデータ） (2025-04-07T08:45:00Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• A Multi-Sensor Fusion Approach for Rapid Orthoimage Generation in Large-Scale UAV Mapping [3.321306647655686]
  グローバル測位システム(GPS)、慣性計測ユニット(IMU)、4Dミリ波レーダとカメラを統合したマルチセンサUAVシステムにより、この問題に対する効果的な解決策を提供することができる。 予め最適化された特徴マッチング手法を導入し、マッチング速度と精度を向上させる。 実験の結果,提案手法は短時間で正確な特徴マッチングを実現できることがわかった。
  論文  参考訳（メタデータ） (2025-03-03T05:55:30Z)
• 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)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Joint Learning of Salient Object Detection, Depth Estimation and Contour Extraction [91.43066633305662]
  RGB-D Salient Object Detection (SOD) のための新しいマルチタスク・マルチモーダルフィルタトランス (MMFT) ネットワークを提案する。 具体的には、深度推定、健全な物体検出、輪郭推定の3つの相補的なタスクを統合する。マルチタスク機構は、タスク認識の特徴を補助タスクから学習するためのモデルを促進する。 実験の結果、複数のデータセット上での深度に基づくRGB-D SOD法をはるかに上回るだけでなく、高品質の深度マップと塩分濃度を同時に正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-03-09T17:20:18Z)
• Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
  そこで本研究では,深度推定のためのドメイン適応手法を提案する。 提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。 実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
  論文  参考訳（メタデータ） (2021-09-24T08:11:34Z)

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。