Enhancing Depth Image Estimation for Underwater Robots by Combining Image Processing and Machine Learning

要約

深度情報は、環境認識とロボットの状態推定のための自律システムにおいて重要な役割を果たします。
ディープ ニューラル ネットワーク テクノロジの急速な発展に伴い、深度推定が広範に研究され、実用化の可能性が示されています。
ただし、低照度で騒々しい水中条件など、特に困難な環境では、機械学習モデルを直接適用しても望ましい結果が得られない場合があります。
したがって、この論文では、水中画像の品質を向上させて深度推定の有効性を向上させるアプローチを紹介します。
まず、水中画像は、色補正、明るさの均一化、画像内のオブジェクトのコントラストとシャープネスの強化などの方法で処理されます。
次に、強化された画像に対して U Depth モデルを使用して深度推定を実行します。
最後に、水中ロボット向けの深度画像品質向上アプローチの有効性と精度を検証するために、結果が評価および提示されます。

要約(オリジナル)

Depth information plays a crucial role in autonomous systems for environmental perception and robot state estimation. With the rapid development of deep neural network technology, depth estimation has been extensively studied and shown potential for practical applications. However, in particularly challenging environments such as low-light and noisy underwater conditions, direct application of machine learning models may not yield the desired results. Therefore, in this paper, we present an approach to enhance underwater image quality to improve depth estimation effectiveness. First, underwater images are processed through methods such as color compensation, brightness equalization, and enhancement of contrast and sharpness of objects in the image. Next, we perform depth estimation using the Udepth model on the enhanced images. Finally, the results are evaluated and presented to verify the effectiveness and accuracy of the enhanced depth image quality approach for underwater robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google