NeuRSS：利用神经渲染增强侧扫SLAM的AUV定位与水深测绘
机器人学
2024-05-12 v1
摘要
隐式神经表示和神经渲染在从侧扫声纳（SSS）进行水深估计方面受到了越来越多的关注。这些方法结合来自SSS数据的同一地点的多次观测来约束高程估计，从而收敛到一个全局一致的水深模型。然而，水深估计的质量和精度受到配备声纳的自主水下航行器（AUV）定位精度的限制。由于水下缺乏像GPS这样的地理参考系统，依赖航位推算（DR）的AUV全局定位估计存在无界误差。为了应对这一挑战，我们在本文中提出了一种现代且可扩展的框架NeuRSS，用于基于大时间尺度上的DR和回环检测的SSS SLAM，其中高程先验由利用SSS神经渲染的水深估计提供。该框架是一个改进定位和水深测绘的迭代过程。最初，利用DR估计从SSS估计出的水深虽然粗糙，但可以在估计位姿图中两个回环节点之间相对位姿的非线性最小二乘（NLS）优化中提供重要的高程先验。随后，来自SLAM组件的全局位姿估计改进了航行器的定位估计，从而改善了水深估计。我们在分别由水面船只和AUV采集的两次大型测量中验证了我们的定位与测绘方法。我们将它们的定位结果与真实值进行了评估，并将水深估计与多波束测深仪（MBES）采集的数据进行了比较。
引用
@article{arxiv.2405.05807,
title = {NeuRSS: Enhancing AUV Localization and Bathymetric Mapping with Neural Rendering for Sidescan SLAM},
author = {Yiping Xie and Jun Zhang and Nils Bore and John Folkesson},
journal= {arXiv preprint arXiv:2405.05807},
year = {2024}
}