論文の概要: Autonomous Subsea Cable Search and Tracking with Graph-Optimised Priors and Visual Tracking

• arxiv url: http://arxiv.org/abs/2606.23606v1
• Date: Mon, 22 Jun 2026 17:08:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 17:54:32.622912
• Title: Autonomous Subsea Cable Search and Tracking with Graph-Optimised Priors and Visual Tracking
• Title（参考訳）: グラフ最適化プリミティブとビジュアルトラッキングによる海底ケーブルの自動探索と追跡
• Authors: Ibrahim Fadhil Djauhari, Adrian Bodenmann, Samuel Simmons, Cailei Liang, David White, Susan Gourvenec, Tom Bennetts, Darryl Newborough, Blair Thornton,
• Abstract要約: 本稿では,未確定なケーブル経路マップを利用した新しいケーブル探索・追跡手法を提案する。 経路不確実性は、物理に基づくカテナリーモデルを用いた観測からの距離の関数として制約される。 初期のケーブルルートマップに意図的な誤りがあったにもかかわらず、システムはケーブルを正常に配置し、これを観測と一致させるように更新した。
• 参考スコア（独自算出の注目度）: 0.7674821758469581
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Global communications rely on subsea cable infrastructure that remains vulnerable to damage from natural hazards and human activity. Autonomous underwater vehicles (AUVs) offer an efficient means to inspect long sections of exposed cable, but uncertainty in cable route maps, small cable diameters and partial burial makes continuous tracking a challenge. This paper presents a novel cable search and tracking method that leverages uncertain prior cable route maps. Graph-based optimisation continuously update the cable route to remain consistent with visual observations. Route uncertainty is constrained as a function of distance from observations using physics-based catenary models that account for cable parameters (i.e., lay depth, diameter, and density), bounding the search space to physically feasible regions and improving search efficiency. Cable detection is performed using a semi-supervised classifier running in real-time on-board a camera-equipped AUV. These detections both update the graph-based optimisation and enable visual cable tracking. When tracking is lost due to misclassification, burial or imperfect control, the bounded search space enables efficient recovery. The approach was demonstrated in field trials using the University of Southampton's Smarty200 AUV. The system successfully located the cable despite deliberate errors in it initial cable route map, updating this to be consistent with observations and using visual tracking to inspect up to 59% of a 120m test cable, with successful recovered after tracking loss.
• Abstract（参考訳）: 世界的な通信は海底ケーブルのインフラに依存しており、自然災害や人間の活動による被害に弱いままである。 自律型水中車両(AUV)は、露出したケーブルの長い部分を調べる効率的な手段を提供するが、ケーブルルートマップ、小さなケーブル径、部分的な埋葬の不確実性は、継続的な追跡を困難にしている。 本稿では,未確定なケーブル経路マップを利用した新しいケーブル探索・追跡手法を提案する。 グラフベースの最適化は、ケーブルルートを継続的に更新し、視覚的な観察と整合性を保つ。 経路不確実性は、ケーブルパラメータ(すなわち、水平深さ、直径、密度)を考慮に入れた物理モデルを用いた観測からの距離の関数として制約され、探索空間を物理的に実現可能な領域に制限し、探索効率を向上させる。 カメラ付きAUVでリアルタイムに動作する半教師付き分類器を用いてケーブル検出を行う。 これらの検出は、グラフベースの最適化を更新し、視覚的なケーブル追跡を可能にする。 不正分類、埋葬、不完全な制御により追跡が失われると、有界探索空間は効率的な回復を可能にする。 この手法はサウサンプトン大学のSmarty200 AUVを用いた実地試験で実証された。 このシステムは、意図的にケーブルルートマップにエラーがあったにもかかわらず、ケーブルを配置し、観察と一致するように更新し、120mのテストケーブルの最大59%を視線追跡に使用し、追跡損失の回復に成功した。

関連論文リスト

• Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
  Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。 ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。 提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
  論文  参考訳（メタデータ） (2026-02-13T02:56:34Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• A Collision-Aware Cable Grasping Method in Cluttered Environment [12.17415219032655]
  粗い環境下での堅牢なケーブルグルーピングを容易にするために設計したケーブル型Grasp畳み込みニューラルネットワークを提案する。 我々は、ケーブルポーズの複雑さを模倣し、ケーブルとロボットグリップの潜在的な衝突を要因とするデータセットを生成する。 我々は、ケーブルで92.3%、未知のケーブルで88.4%の成功率を達成した。
  論文  参考訳（メタデータ） (2024-02-22T12:47:04Z)
• Automatic vehicle trajectory data reconstruction at scale [2.010294990327175]
  本稿では,視覚に基づく車両軌道データにおける共通誤差を補正する自動軌道データ照合法を提案する。 本手法により, 実験対象の入力データの精度が向上し, 広い範囲で精度が向上することを示す。
  論文  参考訳（メタデータ） (2022-12-15T15:39:55Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• Mapping the Buried Cable by Ground Penetrating Radar and Gaussian-Process Regression [21.43182752819447]
  本稿では,地中貫入レーダ(GPR)とガウス過程の回帰に基づく地下ケーブルの位置推定法を提案する。 実世界のデータセット実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-01-25T08:32:14Z)
• Holistic Grid Fusion Based Stop Line Estimation [5.5476621209686225]
  交差点で前もって停止する場所を知ることは、車両の長手速度を制御する上で必須のパラメータである。 文献における既存の手法のほとんどは、カメラのみを使用して停止線を検出するが、通常は検出範囲の点で不十分である。 本稿では,ステレオカメラやライダーなどの融合多感データを入力として活用し,ニューラルネットワークアーキテクチャを慎重に設計し,停止線を検出する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-18T21:29:06Z)

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。