Supervised Visual Docking Network for Unmanned Surface Vehicles Using Auto-labeling in Real-world Water Environments

要約

無人の表面車両（USV）は、環境モニタリングや河川マップモデリングなどの水道事業にますます適用されています。
ポートまたはステーションでの正確な自律ドッキングを達成する上で重要な課題に直面していますが、USVSのループからの人間の展開の可能性を最終的に制限する精度と安全性のために、遠隔の人間のコントロールまたは外部ポジショニングシステムに依存しています。
まず、相対ポーズと画像ペアをデータセットに追加する自動ラベルデータ収集パイプラインを設計しました。
このステップでは、監視された学習のために従来の手動ラベルを必要としません。
第二に、ニューラルドックのポーズ推定器（NDPE）は、手作りの機能エンジニアリング、カメラのキャリブレーション、および周辺マーカーを必要とせずに相対的なドックポーズ予測を達成するために提案されています。
さらに、NDPEは、現実世界の水環境での相対的なドックポーズを正確に予測でき、位置ベースの視覚サーボ（PBV）と低レベルのモーションコントローラーの実装を促進し、効率的かつ自律的なドッキングを実施しています。
提案されたソリューションの有効性は、実際の自律的なドッキングタスクを処理する能力を反映して、実際の水環境でテストおよび検証されています。

要約(オリジナル)

Unmanned Surface Vehicles (USVs) are increasingly applied to water operations such as environmental monitoring and river-map modeling. It faces a significant challenge in achieving precise autonomous docking at ports or stations, still relying on remote human control or external positioning systems for accuracy and safety which limits the full potential of human-out-of-loop deployment for USVs.This paper introduces a novel supervised learning pipeline with the auto-labeling technique for USVs autonomous visual docking. Firstly, we designed an auto-labeling data collection pipeline that appends relative pose and image pair to the dataset. This step does not require conventional manual labeling for supervised learning. Secondly, the Neural Dock Pose Estimator (NDPE) is proposed to achieve relative dock pose prediction without the need for hand-crafted feature engineering, camera calibration, and peripheral markers. Moreover, The NDPE can accurately predict the relative dock pose in real-world water environments, facilitating the implementation of Position-Based Visual Servo (PBVS) and low-level motion controllers for efficient and autonomous docking.Experiments show that the NDPE is robust to the disturbance of the distance and the USV velocity. The effectiveness of our proposed solution is tested and validated in real-world water environments, reflecting its capability to handle real-world autonomous docking tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google