面向自动目标识别的多种海床条件下合成声纳图像仿真
计算机视觉与模式识别
2022-10-20 v1 机器人学
图像与视频处理
摘要
我们提出了一种利用虚幻引擎（Unreal Engine）生成在声学上与侧扫声纳所生成图像一致的水下物体图像的新方法。我们描述了开发、调优与生成图像的过程，以提供具有代表性的图像用于训练自动目标识别（ATR）与机器学习算法。该方法为背向散射噪声与声学阴影等声学效应提供视觉近似，同时借助UE中的C++ actor实现快速渲染，以最大化潜在ATR训练数据集的规模。此外，我们分析了其作为实际声纳图像或基于物理的声纳数据替代品的效用。
引用
@article{arxiv.2210.10267,
title = {Synthetic Sonar Image Simulation with Various Seabed Conditions for Automatic Target Recognition},
author = {Jaejeong Shin and Shi Chang and Matthew Bays and Joshua Weaver and Tom Wettergren and Silvia Ferrari},
journal= {arXiv preprint arXiv:2210.10267},
year = {2022}
}
备注
Submitted to OCEANS 2022