基于学习的粗粒度距离估计用于近距水下地形测绘
机器人学
2020-03-24 v2
摘要
本文提出一种新颖的水下地形测绘方法,面向在复杂三维环境近旁作业的自主水下航行器(AUVs)。所提方法利用基于单目图像学习的场景距离估计器作为传感器,构建地形的概率高程图。该场景距离估计器可滤除如鱼类与光照变化等瞬态物体。测绘方法在 AUV 于环境中行进时,同时考虑估计场景距离与机器人位姿中的不确定性。所得高程图可用于反应式路径规划与避障,使机器人系统尽可能接近水下地形。我们通过在模拟水下环境中将重建地形与真值参考图比较来评估方法性能,并利用在珊瑚礁环境中采集的 AUV 现场数据予以演示。模拟与现场结果表明,所提方法使用单目相机在礁体环境中进行障碍检测与距离估计是可行的。
引用
@article{arxiv.2001.00330,
title = {Close-Proximity Underwater Terrain Mapping Using Learning-based Coarse Range Estimation},
author = {Bilal Arain and Feras Dayoub and Paul Rigby and Matthew Dunbabin},
journal= {arXiv preprint arXiv:2001.00330},
year = {2020}
}
备注
8 pages, 13 figures, submitted to IEEE RA-L