浑浊水域中基于视觉的自主水下机器人导航的实时图像增强
图像与视频处理
2019-11-12 v1
摘要
用于同步定位与建图（SLAM）等算法中的经典基于视觉的导航方案，通常在水浑浊且所记录图像质量低下时无法在水下工作。这是因为大多数 SLAM 算法是基于特征的技术，且往往无法从模糊的水下图像中提取匹配特征。为获取更多有用特征，可在图像被用于导航/定位算法之前使用图像处理技术对图像去雾。已有许多成熟的影像复原方法，但各方法的增强程度与资源开销不同。本文提出一种专为水下环境设计的新型视觉 SLAM，利用生成对抗网络（GANs）结合水下图像质量评价指标来增强水下图像质量。该过程提升了 SLAM 的效率并获得了更好的导航与定位精度。我们通过使用具有不同浑浊程度的水下图像来评估所提出的 GANs-SLAM 组合。实验在美国新泽西州的普林斯顿 Carnegie 湖与 Raritan 河进行并提取数据。
引用
@article{arxiv.1911.04080,
title = {Real-time Image Enhancement for Vision-based Autonomous Underwater Vehicle Navigation in Murky Waters},
author = {Wenjie Chen and Mehdi Rahmati and Vidyasagar Sadhu and Dario Pompili},
journal= {arXiv preprint arXiv:1911.04080},
year = {2019}
}