利用学习的单眼深度预测来对无人驾驶水下车辆的姿势估计和绘制地图
Marco Job1,2, David Botta1, Victor Reijgwart1
1Autonomous Systems Lab, Institute of Robotics and Intelligent Systems, Department of Mechanical and Process Engineering, ETH, Zurich, Zurich, Switzerland.
本研究介绍了无人驾驶水下车辆 (UUV) 的框架,用于使用视觉和声学数据绘制水下环境的地图. 它实现了准确的实时定位和3D绘图,用于养鱼应用.
科学领域:
- 机器人和自动化 机器人和自动化
- 水下系统工程水下系统工程
- 计算机视觉 计算机视觉
背景情况:
- 复杂的水下环境,特别是养鱼场,对无人驾驶水下车辆 (UUV) 的导航和绘制构成重大挑战.
- 准确的定位和3D绘图对于在这些动态环境中进行检查和导航等自主操作至关重要.
研究的目的:
- 开发一个整合视觉和声学传感器数据的通用框架,以加强UUV定位和映射.
- 为了实现实时的净相对姿势估计和深度预测,仅使用视觉数据.
- 通过融合视觉和声学数据来实现全球姿势估计,并生成详细的3D地图.
主要方法:
- 基于深度学习的单眼深度预测与基于快速里埃转换 (FFT) 的稀疏深度先验相结合,用于净相对姿势估计.
- 净相对估计与全球UUV声学测量估计的融合.
- 将预测的深度图像集成到波形图框架中,以便实时生成3D地图.
主要成果:
- 在工业规模的渔场数据集中显示的UUV净相对和全球位置的准确实时估计.
- 生成适合自主导航和检查任务的详细3D地图.
- 成功整合视觉和声学数据,以实现强大的水下感知.
结论:
- 拟议的框架有效地提高了UUV在具有挑战性的水下环境中的本地化和绘制能力.
- 该系统提供准确的实时定位和3D绘图,对于水产养殖中自主水下操作至关重要.
- 这种方法为UUV在动态和复杂的海洋环境中的应用提供了重大进展.
更多相关视频
07:05Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine
Published on: October 27, 2016
13:35Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring
Published on: June 13, 2025
相关概念视频
Depth Perception and Spatial Vision
Uniform Depth Channel Flow: Problem Solving
Uniform Depth Channel Flow
Buoyancy and Stability for Submerged and Floating Bodies
