Mesh-based Photorealistic and Real-time 3D Mapping for Robust Visual Perception of Autonomous Underwater Vehicle

要約

この論文は、学習ベースの画像強調方法とメッシュベースの地図表現を利用した、フォトリアリスティックなリアルタイム高密度 3D マッピング システムを提案します。
水中環境の特性上、曇りやコントラストの低下などの問題が発生するため、従来の同時位置特定とマッピング (SLAM) 手法の適用は困難です。
さらに、亀裂の検査などのデリケートな作業では、写真のようにリアルなマッピングが非常に重要です。
ただし、自律型水中探査機 (AUV) の動作には計算上の制約があります。
この論文では、ニューラル ネットワーク ベースの画像強調手法を利用して姿勢推定とマッピングの品質を向上させ、スライディング ウィンドウ ベースのメッシュ拡張手法を適用して軽量、高速、フォトリアリスティックなマッピングを可能にします。
結果を検証するために、現実世界と屋内の合成データセットを利用します。
実世界のデータセットを使用した定性的検証と、屋内合成データセットの画像を水中シーンとしてモデリングすることによる定量的検証を実行しました。

要約(オリジナル)

This paper proposes a photorealistic real-time dense 3D mapping system that utilizes a learning-based image enhancement method and mesh-based map representation. Due to the characteristics of the underwater environment, where problems such as hazing and low contrast occur, it is hard to apply conventional simultaneous localization and mapping (SLAM) methods. Furthermore, for sensitive tasks like inspecting cracks, photorealistic mapping is very important. However, the behavior of Autonomous Underwater Vehicle (AUV) is computationally constrained. In this paper, we utilize a neural network-based image enhancement method to improve pose estimation and mapping quality and apply a sliding window-based mesh expansion method to enable lightweight, fast, and photorealistic mapping. To validate our results, we utilize real-world and indoor synthetic datasets. We performed qualitative validation with the real-world dataset and quantitative validation by modeling images from the indoor synthetic dataset as underwater scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google