論文の概要: Odometry-Aided Real-Time Mapping for Underwater Robots Using Forward-Looking Sonar

• arxiv url: http://arxiv.org/abs/2609.24195v1
• Date: Mon, 21 Sep 2026 07:10:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 15:48:44.687288
• Title: Odometry-Aided Real-Time Mapping for Underwater Robots Using Forward-Looking Sonar
• Title（参考訳）: 前向きソナーを用いた水中ロボットのオドメトリ支援リアルタイムマッピング
• Abstract要約: 前向きソナー(FLS)のリアルタイムマッピングは、未解決の目標高度、空間的に一様でないノイズ、断片化された目標境界のため、依然として困難である。 本稿では,高速フーリエ変換(FFT)に基づくデノイング,高速マルチスケール定数偽アラームレート(MCFAR)検出,勾配適応境界接続を組み合わせたケースケード型特徴再構成パイプラインを提案する。 3m×5mプールにおける実験では,3列に3cm未満のルート平均二乗誤差(RMSE)とフレーム平均処理時間42.4msのセンチスケール平面マッピング精度が示された。
• 参考スコア（独自算出の注目度）: 51.8931180857129
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable perception is essential for underwater vehicles operating in complex environments, where light attenuation and scattering often degrade visibility and compromise optical sensing. Forward-looking sonar (FLS) offers an alternative by providing high-frame-rate acoustic imaging under poor optical conditions. However, real-time FLS mapping remains challenging due to unresolved target elevation, spatially non-uniform noise, and fragmented target boundaries, which hinder feature extraction and introduce geometric ambiguity during projection. To address these challenges, we propose a cascaded feature reconstruction pipeline combining fast Fourier transform (FFT)-based denoising, fast multiscale constant false alarm rate (MCFAR) detection, and gradient-adaptive boundary connection to extract geometric features from degraded sonar images with low latency. We integrate attitude-aware geometric projection with incremental occupancy accumulation to construct a depth-referenced 2.5D map for local mapping in confined underwater environments. The sonar's vertical position is referenced to an external sensor, while target elevation is assigned under an explicit geometric assumption rather than measured directly by FLS. Experiments in a 3 m X 5 m pool demonstrate centimeter-scale planar mapping accuracy, with a root-mean-square error (RMSE) below 3 cm across three sequences and an average processing time of 42.4 ms per frame.
• Abstract（参考訳）: 光の減衰と散乱が視界を低下させ、光学的センシングを損なうような複雑な環境で運用される水中車両にとって、信頼性の高い知覚は不可欠である。 前向きソナー(FLS)は、低光学条件下で高フレームレートの音響イメージングを提供することによって代替手段を提供する。 しかし、FLSマッピングのリアルタイム化は、未解決の目標高度、空間的に一様でないノイズ、および特徴抽出を妨げ、射影中の幾何学的曖昧さをもたらす断片化された目標境界により、依然として困難である。 これらの課題に対処するために、高速フーリエ変換(FFT)に基づくデノゲーション、高速マルチスケール定値アラームレート(MCFAR)検出、低レイテンシで劣化したソナー画像から幾何学的特徴を抽出するための勾配適応境界接続を組み合わせたカスケード型特徴再構成パイプラインを提案する。 そこで我々は,潜水環境における局所マッピングのための深度参照2.5Dマップを構築するために,姿勢認識幾何投影と漸進的占有蓄積を統合した。 ソナーの垂直位置は外部センサーに参照され、目標高度はFLSによって直接測定されるのではなく、明示的な幾何学的仮定の下で割り当てられる。 3m×5mのプール実験では,3列に3cm未満のルート平均二乗誤差(RMSE)と,フレーム毎の平均処理時間42.4msという,センチスケールの平面マッピングの精度が示された。

関連論文リスト

• Geometry-Driven Opti-Acoustic Co-Registration and View-Invariant Reflectivity Mapping for Side-Scan Sonar [0.0]
  サイドスキャン・ソナー (SSS) は大規模な水中マッピングにおける主要なモダリティである。 従来のディスクリプタは、光学画像と音響画像の間の物理的な領域ギャップを埋めることに失敗した。 画素レベルのオプティア音響共振器とビュー不変反射率マッピングのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-24T16:44:46Z)
• ZeD-MAP: Bundle Adjustment Guided Zero-Shot Depth Maps for Real-Time Aerial Imaging [1.9247157750972368]
  ZeD-MAPは、テスト時間拡散深さモデルをメトリック一貫性のあるSLAMのようなマッピングパイプラインに変換する、クラスタレベルのフレームワークである。 本手法は,水平(XY)平面で約0.87m,垂直(Z)方向で約0.12mの誤差で,サブメーター精度を実現する。 結果は手動のポイントクラウドアノテーションから小さなノイズを受けます。
  論文  参考訳（メタデータ） (2026-04-06T13:21:17Z)
• Towards Versatile Opti-Acoustic Sensor Fusion and Volumetric Mapping [2.064612766965483]
  自動水中車両にはボリュームマッピングが不可欠である。 視覚に基づく知覚は高解像度のデータを提供するが、濁った状況では失敗する。 ソナーは光と濁りに強いが 解像度が低く 高さの曖昧さに悩まされている 本稿では,ステレオソナー対とモノクラーカメラを融合させて,様々な視認性条件下での安全なナビゲーションを実現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-15T16:06:28Z)
• Enhancing Underwater Light Field Images via Global Geometry-aware Diffusion Process [93.00033672476206]
  GeoDiff-LFは、SD-Turbo上に構築された新しい拡散ベースのフレームワークで、水中4次元LFイメージングを強化する。 拡散先行とLF幾何を統合することにより、GeoDiff-LFは水中のシーンにおける色歪みを効果的に緩和する。
  論文  参考訳（メタデータ） (2026-01-29T02:27:22Z)
• S2ML: Spatio-Spectral Mutual Learning for Depth Completion [56.26679539288063]
  RGB-Dカメラで撮影した生深度画像は、弱い反射、境界影、アーティファクトによって不完全な深度値に悩まされることが多い。 既存の手法では、画像領域の深度補完によってこの問題に対処するが、それらは生の深度画像の物理的特性を見落としている。 本研究では,空間領域と周波数領域の両方の利点を両立させるため,S2ML(Spatio-Spectral Mutual Learning framework)を提案する。
  論文  参考訳（メタデータ） (2025-11-08T15:01:55Z)
• Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
  本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。 このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。 提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
  論文  参考訳（メタデータ） (2025-08-06T16:16:58Z)
• 3D-UIR: 3D Gaussian for Underwater 3D Scene Reconstruction via Physics Based Appearance-Medium Decoupling [30.985414238960466]
  3D Gaussian Splatting (3DGS)はリアルタイムレンダリング機能を提供するが、水中の不均一な環境に苦しむ。 水媒体効果から物体の外観を遠ざける物理ベースの枠組みを提案する。 提案手法は,高品質な新規ビュー合成と物理的に正確なシーン復元を実現する。
  論文  参考訳（メタデータ） (2025-05-27T14:19:30Z)
• Few-shot Non-line-of-sight Imaging with Signal-surface Collaborative Regularization [18.466941045530408]
  非視線イメージング技術は、多重反射光からターゲットを再構成することを目的としている。 最小限の測定回数でノイズロバストを再現する信号表面の協調正規化フレームワークを提案する。 我々のアプローチは、救助活動や自律運転といったリアルタイム非視線画像アプリケーションにおいて大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-21T11:19:20Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• A Single Stream Network for Robust and Real-time RGB-D Salient Object Detection [89.88222217065858]
  我々は、深度マップを用いて、RGBと深度の間の早期融合と中核融合を誘導する単一ストリームネットワークを設計する。 このモデルは、現在の最も軽量なモデルよりも55.5%軽く、32 FPSのリアルタイム速度で384倍の384ドルの画像を処理している。
  論文  参考訳（メタデータ） (2020-07-14T04:40:14Z)

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。