本文集中研究低功耗、轻量级的多任务全景感知方法，通过视觉和 4D 雷达数据的融合，提出了名为 Achelous++ 的框架。Achelous++ 可以以高速、低功耗同时执行目标检测、目标语义分割、可行驶区域分割、水线分割和雷达点云语义分割等五个感知任务，并在 WaterScenes 基准测试中达到了最先进的性能，准确度和功耗效率均超过其他单任务和多任务模型。

Dec, 2023

本研究提出了 WaterScenes 数据集，其基于多任务 4D 雷达和单目相机融合技术，针对典型静态和动态水上物体进行标记，并提供了各种感知任务的注释，结果表明，4D 雷达相机融合能够极大地提高水上物体在恶劣光照和天气条件下的感知的稳健性。

Jul, 2023

通过在无人船上基于 Efficient-VRNet 的上下文聚类和视觉与 4D mmWave 雷达的非对称融合，我们提出了一种对河道实现同时进行检测和分割的高效全景感知模型，并采用基于不确定性的感知训练策略，在逆境天气和光照条件不佳的环境中获得了比其他单模型更好的性能。

Aug, 2023

该研究论文介绍了一种应对极端海洋条件中目标物跟踪的自主视觉导航框架，该框架利用生成对抗网络（GAN）和 YOLOv5 目标检测器对视觉特征进行处理，并在沙尘暴和雾等极端能见度受限条件下进行了充分测试，结果表明该方案在多个指标上优于现有方法。

Aug, 2023

本文提出了一种新的图形模型，利用基于 Markov 随机场的高效算法，通过对海洋环境的观测，实现了无人驾驶水面船只 (USV) 在单视频流中对航行障碍物的快速连续检测，不需要计算复杂的纹理特征，并在实时运行的同时取得了最好的分割结果。

Mar, 2015

我们的研究开发了一种基于物理学的多模态声光神经表面重建框架（AONeuS），能够有效地整合高分辨率 RGB 测量和低分辨率深度解析成像声纳测量，从而在受限的基线上捕获的测量中重建出准确的高分辨率 3D 表面。

Feb, 2024

提出了一种新的无人水面车辆障碍物检测算法，将语义分割的先进图形模型扩展到包括来自机载惯性测量单元（IMU）的船只俯仰和翻滚测量值，提出了一种立体验证算法来巩固分割获得的临时检测，并使用 IMU 读数估算地平线位置。

Feb, 2018

该研究介绍了第一个公开可用的多模态感知数据集，针对自主海洋导航中的水中障碍物，以增强自主水面车辆的情境感知。该数据集包括了不同环境条件下遇到的各种物体，并旨在通过提供多模态、带注释的、自我的感知数据集来填补海洋机器人学研究的空白，以进行物体检测和分类。我们还展示了该数据集框架的适用性，使用已经取得成功的基于深度学习的开源感知算法。我们期望我们的数据集将有助于海洋自主管道和海洋机器人技术的发展。请注意，这是我们正在进行的研究的一篇进行性论文，我们计划通过未来的出版物来完整发布。

Apr, 2024

在此研究中，我们提出了一种针对海底人造资产稀疏环境设计的自主水下航行器的新型实时声纳全球定位算法。通过利用两种数据解释前端，并在同一声纳数据流中合并这些观测结果，我们的方法在粒子滤波器内加权高概率区域的粒子或解决对称模糊。在模拟环境中进行了初步实验，结果显示出良好的前景。这项工作为将来的方法发展和在实际情况下的全面评估奠定了基础。

May, 2024

本文提出在未经校正的鱼眼图像上运行的多任务视觉感知网络来加强自动汽车系统的六个主要任务，其中包括深度估计，视觉测距，语义分割，动态分割，目标检测以及镜头污染检测，通过联合训练模型，在 KITTI 数据集上实现深度估计和姿态估计任务的最新结果。

Feb, 2021