Conditional GANs for Sonar Image Filtering with Applications to Underwater Occupancy Mapping

要約

水中ロボットは通常、周囲の状況を認識するためにソナーなどの音響センサーに依存しています。
ただし、これらのセンサーには複数のソースや種類のノイズが大量に含まれていることが多く、そのため、フィーチャ、オブジェクト、または境界リターンに関する意味のある推論に生データを使用することが非常に困難になります。
ノイズに対処する従来の方法がいくつか存在しますが、その成功率は満足できるものではありません。
この論文では、いくつかの従来のフィルタリング手法を上回る、ノイズのないソナー画像を生成するモデルをトレーニングする条件付き敵対的生成ネットワーク (cGAN) の新しいアプリケーションを紹介します。
空きスペースの推定は、自律ロボットがアクティブな探索とマッピングを実行するために重要です。
したがって、私たちは水中占有マッピングのタスクに私たちのアプローチを適用し、従来の方法と比較した場合に優れた自由空間および占有空間の推論を示します。

要約(オリジナル)

Underwater robots typically rely on acoustic sensors like sonar to perceive their surroundings. However, these sensors are often inundated with multiple sources and types of noise, which makes using raw data for any meaningful inference with features, objects, or boundary returns very difficult. While several conventional methods of dealing with noise exist, their success rates are unsatisfactory. This paper presents a novel application of conditional Generative Adversarial Networks (cGANs) to train a model to produce noise-free sonar images, outperforming several conventional filtering methods. Estimating free space is crucial for autonomous robots performing active exploration and mapping. Thus, we apply our approach to the task of underwater occupancy mapping and show superior free and occupied space inference when compared to conventional methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google