侧扫描声纳对水下车辆的成像数据进行扫描,用于探测地雷

科学领域:

• 海洋机器人 海洋机器人
• 水下声学 水下声学
• 人工智能的人工智能是人工智能.

背景情况:

• 无人驾驶车辆,特别是自动水下车辆 (AUV),由于可靠性提高和人类风险降低,对水下作业越来越重要.
• 准确的环境感知对于AUV安全,引导和在水下领域的轨迹控制至关重要.
• 从声纳图像中自动检测地雷对于减轻与危险的扫雷作业相关的风险至关重要.

研究的目的:

• 为了呈现一个独特的,注释数据集的真实世界声纳图像,以推进自动地雷探测使用AUVs.
• 为了促进对象检测,分类和图像细分任务至关重要,以区分类似地雷和非类似地雷的对象.
• 支持水下地雷反制措施和AUV感知系统的研究和工业发展.

主要方法:

• 由2010年至2021年间使用Teledyne Marine Gavia AUV捕获的1170张侧扫描声纳图像的汇编.
• 数据集的注释用于将对象分为NOn-Mine-like BOttom Objects (NOMBO) 和Mine-Like COntacts (MILCO) 的对象.
• 准备直接部署在机器学习模型中的数据集,用于对象检测和分类任务.

主要成果:

• 一个包含1170张注释声纳图像的综合数据集现在可以用于研究.
• 该数据集可以训练和验证用于区分NOMBO和MILCO的算法.
• 这种罕见的数据集的可用性加速了基于AUV的地雷检测技术的发展.

结论:

• 展示的声纳图像数据集是提高水下地雷检测安全性和效率的宝贵资源.
• 通过对此数据集进行训练的先进算法来自动检测地雷,可以显著降低运营风险.
• 这项工作有助于在关键的海上安全和勘探任务中提高AUV能力.