Aug, 2023

高效大规模 AUV 视觉海底地图生成

PDF
TL;DR通过结合海洋数据科学、深海探索、自主水下载具、水下成像和机器人三维重建等技术的最新发展，我们提出了一个系统，可在海底面积达公顷级的范围内进行自动化的机器人三维重建。该系统经过多次研究航行的测试和评估，展示了在真实条件下的稳定性和实用性。
marine data sciencedeep sea explorationautonomous underwater vehiclesunderwater imagingrobotic 3d reconstruction
发现论文，激发创造
  • 优化的 AUV 海底图像分析深度学习模型

    使用自主水下航行器，特别是在图像分析方面的创新，以提高准确率和效率，彻底改变了我们从海底获得数据的方式。本文总结和比较了 AUV 海底图像处理中最新的进展，涵盖了从计算机和算法进展到传感器和相机的海洋技术领域。通过阅读本文，您将对使用 AUV 处理海床照片的最新技术和工具有扎实的了解，并且了解它们如何进一步提高我们对海底的理解。

    Nov, 2023

  • 水下环境实时稠密三维映射

    本文提出了一种针对自主水下载具 (AUV) 的实时稠密三维重建方法，该方法使用了一个鲁棒的 VIO 方法 SVIn2 和一个实时三维重建管道。该管道在四个具有挑战性的水下数据集上获得了可比拟 COLMAP 的重建结果，并在单 CPU 上获得了高帧率。

    Apr, 2023

  • 革新自主式水下航行器（AUV）与海底图像处理技术的水下探测

    通过对自主水下车辆技术和海床图像处理技术的最新进展的全面调查，我们将探索这些进展如何改变我们探索和理解海洋的方式，以及它们对海洋科学未来的潜在影响。加入我们一起发现激动人心的水下探索世界以及推动其发展的技术。

    Nov, 2023

  • 利用生成对抗网络增强水下图像

    本文提出了一种使用生成对抗网络 (GANs) 来提高可视水下场景质量的方法，该方法可以为水下机器人在视觉驱动任务上的表现提供更好的输入，同时提供了定量和定性数据，证明了这种方法的有效性。

    Jan, 2018

  • 基于声纳的水下 AUV 定位系统在低基础设施密度环境中的应用

    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

  • 水下视觉单目 SLAM 挑战的调查研究

    本文系统研究了单目视觉同时定位与地图构建方法在水下机器人中应用时所遇到的挑战，并探讨了环境条件对算法表现的影响，同时提出了图像增强技术来提高在极端光照和低能见度条件下的算法准确性和鲁棒性。

    Jun, 2023

  • 半监督水下图像目标检测算法

    利用变分自动编码器的半监督方法来检测水下无人潜水器收集的人工物体图像， 通过数据聚类和异常分数提取技术，能够大规模地识别感兴趣的物体的候选样本，并在未标记的数据集上实现了平均精度为 0.64 的识别

    Jun, 2023

  • 无人水面车快速基于图像的障碍物检测

    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

  • 深度学习在珊瑚礁可扩展语义三维建模中的应用

    该研究提出了一种新的方法，通过机器学习和语义分割技术实现了高精度的三维语义地图，从而实现了对珊瑚礁等水下环境的大规模自动分析和监测，降低了劳动力成本，为保护政策提供了更高效的信息。

    Sep, 2023

  • 珊瑚礁区生物热点的机器人可视化勘测

    利用自主水下车辆、视觉检测器和摄影测量的方法，我们成功地高分辨率地绘制和识别了珊瑚礁的生物热点图，并发现这些热点图与珊瑚礁生物多样性和丰富度的代理测量 —— 皱度具有一定的相关性，这为珊瑚礁保护管理提供了有价值的信息。

    May, 2023