去雾辅助的多速率多模态位姿估计框架用于减轻极端水下领域的视觉干扰
机器人学
2024-11-22 v1
摘要
本文深入探讨了DU-VIO的潜力，这是一种去雾辅助的混合多速率多模态视觉惯性里程计（VIO）估计框架，旨在在极端水下环境的挑战性领域中蓬勃发展。前沿的DU-VIO框架结合了基于GAN的预处理模块和混合CNN-LSTM模块，用于精确的位姿估计，使用增强可见性的水下图像和原始IMU数据。精确的位姿估计对于各种水下机器人和探索应用至关重要。然而，水下可见性常常受到悬浮粒子和衰减效应的损害，使得视觉惯性位姿估计成为一项艰巨的挑战。DU-VIO旨在通过有效去除原始图像数据中的视觉干扰，提高用于位姿估计的图像特征质量，从而克服这些限制。我们通过计算平移和旋转向量的RMSE分数与参考值进行比较，展示了DU-VIO的有效性。然后将这些分数与使用修改后的AQUALOC数据集的基线模型进行比较。这项研究的意义在于其有可能彻底改变水下机器人和探索。DU-VIO为水下可见性的持续挑战提供了稳健的解决方案，显著提高了位姿估计的准确性。这项研究为推进水下技术提供了宝贵的见解和工具，对科学研究、环境监测和工业应用具有深远的影响。
引用
@article{arxiv.2411.13988,
title = {Dehazing-aided Multi-Rate Multi-Modal Pose Estimation Framework for Mitigating Visual Disturbances in Extreme Underwater Domain},
author = {Vidya Sudevan and Fakhreddine Zayer and Taimur Hassan and Sajid Javed and Hamad Karki and Giulia De Masi and Jorge Dias},
journal= {arXiv preprint arXiv:2411.13988},
year = {2024}
}