一个用于水下图像增强,检测,细分和重建的多模式光学数据集

科学领域:

• 计算机视觉 计算机视觉
• 机器人技术 机器人技术 机器人技术
• 海洋生物学 海洋生物学

背景情况:

• 精确的水下环境感知依赖于多模式设备,集成光学摄像头和LiDAR.
• 水下计算机视觉需要强大的算法来增强RGB图像和激光点云.
• 对训练和评估这些算法来说,需要大量的,组织良好的,标记好的水下多变量数据.

研究的目的:

• 引入多模态光学水下数据集 (MOUD),这是水下AI任务的全面资源.
• 为了促进水下图像检测,细分,增强和3D重建的进步.
• 支持开发更准确的水下传感和勘探技术.

主要方法:

• 收集了超过18,000张原始RGB图像和12,000张来自水下模拟场景的标记图像.
• 获得了60个点云集和几个标记点云,包括9个不同的海洋物体类别.
• 使用了最先进的图像激光水下探测器,具有精确的动力学参数,用于数据验证.

主要成果:

• MOUD数据集包含大量的各种水下视觉和3D数据.
• 标记的图像包括对象的注释,如,海星,贝,holothuria,海藻,珊瑚,珊瑚礁,鱼和鱼.
• 数据集经过准确性和实用性验证,适合训练和评估先进的水下感知算法.

结论:

• MOUD数据集显著解决了在水下计算机视觉中需要高质量的多变量数据的需求.
• 它为推进水下图像增强,检测,细分和3D重建的研究提供了至关重要的资源.
• 这一数据集对于提高水下光学勘探和传感技术的能力至关重要.