A Fully-automatic Side-scan Sonar SLAM Framework

要約

サイドスキャン ソナー (SSS) は、高解像度の海底画像を提供するために自律型水中車両 (AUV) に頻繁に搭載される軽量の音響センサーです。
ただし、サイドスキャン画像に 3D 深浅情報と識別特徴が不足している場合、サイドスキャン画像を使用して同時位置特定とマッピング (SLAM) を実行することは依然として課題です。
これに取り組むために、サイドスキャン ソナーを使用した特徴ベースの SLAM フレームワークを提案します。これは、ペアのサイドスキャン画像間のキーポイントを自動的に検出し、確実に一致させることができます。
次に、検出された対応関係を制約として使用して、AUV 姿勢軌道を最適化します。
提案された方法は、手動で注釈が付けられたキーポイントとマルチビーム音響測深機 (MBES) からの 3D 深深測量メッシュの両方をグラウンド トゥルース参照として使用して、Hugin AUV によって収集された実際のデータに基づいて評価されます。
実験結果は、私たちのアプローチが推測航法システムからのドリフトを軽減できることを示しています。
このフレームワークは、コミュニティの利益のために一般に公開されています。

要約(オリジナル)

Side-scan sonar (SSS) is a lightweight acoustic sensor that is frequently deployed on autonomous underwater vehicles (AUVs) to provide high-resolution seafloor images. However, using side-scan images to perform simultaneous localization and mapping (SLAM) remains a challenge when there is a lack of 3D bathymetric information and discriminant features in the side-scan images. To tackle this, we propose a feature-based SLAM framework using side-scan sonar, which is able to automatically detect and robustly match keypoints between paired side-scan images. We then use the detected correspondences as constraints to optimize the AUV pose trajectory. The proposed method is evaluated on real data collected by a Hugin AUV, using as a ground truth reference both manually-annotated keypoints and a 3D bathymetry mesh from multibeam echosounder (MBES). Experimental results demonstrate that our approach is able to reduce drifts from the dead-reckoning system. The framework is made publicly available for the benefit of the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google