SubPipe: A Submarine Pipeline Inspection Dataset for Segmentation and Visual-inertial Localization

要約

この論文では、SLAM、物体検出、画像セグメンテーション用の水中データセットである SubPipe について説明します。
SubPipe は、OceanScan MST によって操作され、2 台のカメラ、サイドスキャン ソナー、慣性ナビゲーション システムなどのセンサーを含むセンサー スイートを搭載した \gls{LAUV} を使用して記録されています。
AUV は、海底パイプが部分的に砂で覆われているパイプライン検査環境に配備されました。
AUV の姿勢のグランド トゥルースはナビゲーション センサーから推定されます。
サイドスキャン ソナー画像と RGB 画像には、それぞれ物体検出とセグメンテーションの注釈が含まれています。
最先端のセグメンテーション、オブジェクト検出、SLAM 手法が SubPipe でベンチマークされ、データセットの課題とコンピューター ビジョン アルゴリズムを活用する機会が実証されています。
著者の知る限り、これは実際のパイプライン検査シナリオを提供する最初の注釈付き水中データセットです。
データセットと実験は、https://github.com/remaro-network/SubPipe-dataset でオンラインで公開されています。

要約(オリジナル)

This paper presents SubPipe, an underwater dataset for SLAM, object detection, and image segmentation. SubPipe has been recorded using a \gls{LAUV}, operated by OceanScan MST, and carrying a sensor suite including two cameras, a side-scan sonar, and an inertial navigation system, among other sensors. The AUV has been deployed in a pipeline inspection environment with a submarine pipe partially covered by sand. The AUV’s pose ground truth is estimated from the navigation sensors. The side-scan sonar and RGB images include object detection and segmentation annotations, respectively. State-of-the-art segmentation, object detection, and SLAM methods are benchmarked on SubPipe to demonstrate the dataset’s challenges and opportunities for leveraging computer vision algorithms. To the authors’ knowledge, this is the first annotated underwater dataset providing a real pipeline inspection scenario. The dataset and experiments are publicly available online at https://github.com/remaro-network/SubPipe-dataset

arxiv情報

提供元, 利用サービス

arxiv.jp, Google