DeepURL：面向水下相对定位的深度位姿估计框架
机器人学
2021-01-22 v4 计算机视觉与模式识别
摘要
本文提出一种实时深度学习方法，用于从单幅图像确定自主水下航行器（AUV）的 6D 相对位姿。一支在通信受限水下环境中自我定位的自主机器人团队，对水下探索、建图、多机器人编队及其他多机器人任务等诸多应用至关重要。由于在水下采集带准确 6D 位姿的真值图像极为困难，本工作利用 Unreal 游戏引擎仿真渲染图像进行训练。采用图像到图像翻译网络弥合渲染图像与真实图像间的鸿沟，生成用于训练的合成图像。所提方法从单幅图像预测 AUV 的 6D 位姿，以表示 AUV 三维模型 8 个角点的 2D 图像关键点给出，随后利用基于 RANSAC 的 PnP 确定相机坐标系下的 6D 位姿。采用不同相机在真实水下环境（泳池与海洋）中的实验结果表明，相较最先进方法，所提技术在平移误差与朝向误差方面具备鲁棒性与准确性。代码已公开可用。
引用
@article{arxiv.2003.05523,
title = {DeepURL: Deep Pose Estimation Framework for Underwater Relative Localization},
author = {Bharat Joshi and Md Modasshir and Travis Manderson and Hunter Damron and Marios Xanthidis and Alberto Quattrini Li and Ioannis Rekleitis and Gregory Dudek},
journal= {arXiv preprint arXiv:2003.05523},
year = {2021}
}