用于声纳图像滤波的条件GAN及其在水下占据建图中的应用
机器人学
2023-07-11 v2
摘要
水下机器人通常依赖声纳等声学传感器感知周围环境。然而，这些传感器常受多种来源与类型的噪声干扰，使得利用原始数据进行具有特征、物体或边界回波的有意义推断十分困难。尽管存在若干常规噪声处理方法，其成功率不尽人意。本文提出条件生成对抗网络(cGANs)的新颖应用，训练模型生成无噪声声纳图像，性能优于多种常规滤波方法。估计自由空间对于执行主动探索与建图的自主机器人至关重要。因此，我们将该方法应用于水下占据建图任务，并表明相较于常规方法，其在自由与占据空间推断上更具优势。
引用
@article{arxiv.2209.11757,
title = {Conditional GANs for Sonar Image Filtering with Applications to Underwater Occupancy Mapping},
author = {Tianxiang Lin and Akshay Hinduja and Mohamad Qadri and Michael Kaess},
journal= {arXiv preprint arXiv:2209.11757},
year = {2023}
}
备注
7 pages, 13 figures. This paper is published at 2023 IEEE International Conference on Robotics and Automation (ICRA)