面向水下机器人位置锁定应用的在线目标跟踪器基准测试
机器人学
2025-02-25 v1 计算机视觉与模式识别
摘要
自动控制 Remotely Operated underwater Vehicles (ROVs) 的位置对于广泛的水下工程应用至关重要，例如在水下工业结构的检查和维护中。因此，近年来受到了日益关注的视觉基于水下机器人导航和控制，既是为了应对水下环境所面临的诸多挑战，如照明可变性、浑浊度、相机图像失真（因气泡而致）以及 ROV 位置扰动（因水下流体而致）。本文提出（据我们所知）首个对 more than seven Machine Learning (ML)-based one-shot object tracking algorithms for vision-based position locking of ROV platforms 的 rigorous unified benchmarking。我们提出一个 position-locking system，处理 ROV 前方感兴趣对象（ROV 必须保持稳定）的图像。然后，我们的系统使用不同目标跟踪算法的输出结果，以自动方式纠正 ROV 位置以抵消外部扰动。我们使用 BlueROV2 平台在室内池中进行大量真实世界实验，并对每种跟踪方法的优势与弱点进行了清晰展示。最后，为帮助缓解水下 ROV 数据的稀缺，我们将释放获取的数据库作为开源，以期为未来研究提供帮助。
引用
@article{arxiv.2502.16569,
title = {Benchmarking Online Object Trackers for Underwater Robot Position Locking Applications},
author = {Ali Safa and Waqas Aman and Ali Al-Zawqari and Saif Al-Kuwari},
journal= {arXiv preprint arXiv:2502.16569},
year = {2025}
}