实时海底分割与建图
计算机视觉与模式识别
2025-06-17 v3 机器人学
摘要
Posidonia oceanica 草甸是一种高度依赖岩石生存和保护的鳗草物种。近年来，该物种在全球范围内出现了令人担忧的衰退，凸显了高效监测和评估工具的迫切需求。虽然基于深度学习的语义分割和视觉自动监测系统在多种应用中展现出潜力，但由于复杂的水下条件和有限的数据集，其在水下环境中的性能仍具挑战性。本文引入了一个结合机器学习与计算机视觉技术的框架，使自主水下航行器 (AUV) 能够自主检查 Posidonia oceanica 草甸的边界。该框架包含一个使用现有 Mask R-CNN 模型的图像分割模块以及一种 Posidonia oceanica 草甸边界跟踪策略。此外，引入了一个专门针对岩石的新类别以增强现有模型，旨在促成全面的监测方法，并深入理解草甸与其周围环境之间复杂的相互作用。图像分割模型使用真实水下图像进行了验证，而整体检查框架在模拟真实监测场景和真实水下图像的真实仿真环境中进行了评估。结果表明，所提出的框架使 AUV 能够自主完成水下检查和岩石分割的主要任务。因此，这项工作在海洋环境的保护和保育方面具有巨大潜力，为 Posidonia oceanica 草甸的状况提供了有价值的见解，并支持有针对性的保护工作。
引用
@article{arxiv.2504.10750,
title = {Real-time Seafloor Segmentation and Mapping},
author = {Michele Grimaldi and Nouf Alkaabi and Francesco Ruscio and Sebastian Realpe Rua and Rafael Garcia and Nuno Gracias},
journal= {arXiv preprint arXiv:2504.10750},
year = {2025}
}