用于规划初始海底AUV调查的特征空间探索
机器人学
2024-01-01 v2 机器学习
摘要
专用自主水下航行器(AUV)用于海底(海床)调查,航行器采集海床的光学图像。由于相机传感器视幅小且待调查区域广阔,这些AUV无法切实对大于数万平方米的区域采集全覆盖图像。因此,AUV路径必须对调查区域进行稀疏而有效的采样。大范围区域易获取宽尺度声学测深数据,且常作为海床覆盖的有用先验。据此,先验测深可用于引导AUV数据采集。本研究提出规划初始AUV调查的方法,高效探索测深的特征空间表示,以从多样化测深地形中采样。这将使AUV访问可能包含独特生境且能代表整个调查站点的区域。我们提出若干利用特征空间探索奖励的信息收集规划器,用于规划自由形式路径或优化调查模板的布设。基于特征空间覆盖以及初始下潜访问所有海底生境类别的能力,评估这些方法规划AUV调查的适用性。基于快速扩展随机树(RRT)与蒙特卡洛树搜索(MCTS)的信息规划器被证明最为有效。这是AUV调查的有用工具,因其提升了初始下潜的效用,并为学习声学测深与视觉派生海床分类间的关系提供了全面训练集。
引用
@article{arxiv.2105.11598,
title = {Feature Space Exploration For Planning Initial Benthic AUV Surveys},
author = {Jackson Shields and Oscar Pizarro and Stefan B. Williams},
journal= {arXiv preprint arXiv:2105.11598},
year = {2024}
}