Vision-Based Autonomous Navigation for Unmanned Surface Vessel in Extreme Marine Conditions

要約

視覚認識は、無人水上船舶 (USV) の自律航行、特に自律検査と追跡に関連するタスクにとって重要なコンポーネントです。
これらのタスクには、ナビゲーションのターゲットを識別するための視覚ベースのナビゲーション技術が含まれます。
海洋環境における極端な気象条件下での視界の低下により、視覚ベースのアプローチが適切に機能することが困難になります。
これらの問題を克服するために、この論文では、極限の海洋条件で目標物体を追跡するための自律的なビジョンベースのナビゲーション フレームワークを紹介します。
提案されたフレームワークは、敵対的生成ネットワーク (GAN) を使用してノイズを除去し、オブジェクトの特徴をオブジェクト検出器 (つまり、YOLOv5) に渡す前に強調表示する、統合された認識パイプラインで構成されています。
検出された視覚的特徴は、USV によってターゲットを追跡するために使用されます。
提案されたフレームワークは、砂嵐と霧により視界が極端に低下した状態でシミュレーションで徹底的にテストされました。
結果は、ベンチマークされた MBZIRC シミュレーション データセット全体で最先端のかすみ除去手法と比較され、提案されたスキームはさまざまな指標にわたって既存の手法を上回りました。

要約(オリジナル)

Visual perception is an important component for autonomous navigation of unmanned surface vessels (USV), particularly for the tasks related to autonomous inspection and tracking. These tasks involve vision-based navigation techniques to identify the target for navigation. Reduced visibility under extreme weather conditions in marine environments makes it difficult for vision-based approaches to work properly. To overcome these issues, this paper presents an autonomous vision-based navigation framework for tracking target objects in extreme marine conditions. The proposed framework consists of an integrated perception pipeline that uses a generative adversarial network (GAN) to remove noise and highlight the object features before passing them to the object detector (i.e., YOLOv5). The detected visual features are then used by the USV to track the target. The proposed framework has been thoroughly tested in simulation under extremely reduced visibility due to sandstorms and fog. The results are compared with state-of-the-art de-hazing methods across the benchmarked MBZIRC simulation dataset, on which the proposed scheme has outperformed the existing methods across various metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google