Near-Shore Mapping for Detection and Tracking of Vessels

要約

自律的な表面容器（ASV）がドッキングするには、ドッキングエリアに近い他の船舶を追跡する必要があります。
カヤックは、ドックに近接し、比較的小さいサイズのために特定の課題を提示します。
海上ターゲット追跡は、通常、土地とドックを除外するために土地マスキングを採用しています。
ただし、不正確な土地マスキングにより、近くのオブジェクトを追跡することが困難です。
私たちのアプローチでは、光検出と範囲（LIDAR）データを使用し、ドッキングエリアをオフラインでマッピングします。
正確な3D測定により、正確なマップ作成が可能になります。
ただし、マッピングは静的でありながら潜在的に移動するオブジェクトをマッピングする可能性があります。
画像データを使用して、Lidarデータから移動する可能性のあるオブジェクトを検出および除外します。
視覚容器の検出およびセグメンテーション法は、ラベル付きデータでトレーニングされたニューラルネットワークです。
正確なマップにより陸上追跡が改善され、最近収集された実際のデータセットで実証されています。
データセットには、自律フェリーのプロトタイプとの衝突パスで、ドックの近くに移動するカヤックと1日の巡洋艦の複数のシーケンスが含まれています。

要約(オリジナル)

For an autonomous surface vessel (ASV) to dock, it must track other vessels close to the docking area. Kayaks present a particular challenge due to their proximity to the dock and relatively small size. Maritime target tracking has typically employed land masking to filter out land and the dock. However, imprecise land masking makes it difficult to track close-to-dock objects. Our approach uses Light Detection And Ranging (LiDAR) data and maps the docking area offline. The precise 3D measurements allow for precise map creation. However, the mapping could result in static, yet potentially moving, objects being mapped. We detect and filter out potentially moving objects from the LiDAR data by utilizing image data. The visual vessel detection and segmentation method is a neural network that is trained on our labeled data. Close-to-shore tracking improves with an accurate map and is demonstrated on a recently gathered real-world dataset. The dataset contains multiple sequences of a kayak and a day cruiser moving close to the dock, in a collision path with an autonomous ferry prototype.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google