利用神经体积渲染的成像声纳水深测量
机器人学
2024-08-20 v1
摘要
本研究解决了从成像声纳估计水深测量的挑战，其中现有最先进的工作主要依赖于带有真实标签的监督学习或基于朗伯假设的表面渲染。在本文中，我们提出了一种新颖的、基于体积渲染的自监督框架，用于利用标准测量期间收集的前视声纳（FLS）数据重建水深。我们将海底表示为由参数化多分辨率哈希编码方案封装的神经高度图，并使用采用分层采样技术的声纳体积渲染，通过可微渲染器对声纳测量进行建模。此外，我们对水平和垂直波束方向图进行建模，并将其与水深测量联合估计。我们在遥控潜水器（ROV）在低空测量期间收集的模拟和现场数据上对所提出的方法进行了定量评估。结果表明，所提出的方法优于当前使用成像声纳进行海底测绘的最先进方法。我们还证明，所提出的方法有可能用于利用低空测量的 FLS 数据来提高低分辨率先验地图的分辨率。
引用
@article{arxiv.2404.14819,
title = {Bathymetric Surveying with Imaging Sonar Using Neural Volume Rendering},
author = {Yiping Xie and Giancarlo Troni and Nils Bore and John Folkesson},
journal= {arXiv preprint arXiv:2404.14819},
year = {2024}
}