Synthetic Enclosed Echoes: A New Dataset to Mitigate the Gap Between Simulated and Real-World Sonar Data

要約

このペーパーでは、水中環境でロボット認識と3D再構成機能を強化するために設計された新しいデータセットである合成密閉エコー（参照）を紹介します。
参照を参照して、実世界のソナーデータの小さなサブセットによって補完された高忠実度の合成ソナーデータを含む。
柔軟なデータ収集を容易にするために、シミュレートされた環境が開発され、新しい構造やイメージングソナー構成などの変更を通じて追加データの生成が可能になりました。
このハイブリッドアプローチは、容易に利用可能なグラウンドトゥルースや多様なデータセットを生成する能力を含む合成データの利点を活用し、同様の環境で取得した実際のデータとシミュレーション間ギャップを埋めます。
SEE SEEデータセットは、数学ベースのソナーアプローチや深い学習アルゴリズムなど、音響データベースの方法を包括的に評価します。
これらの手法は、データセットを検証するために採用され、水中3D再構成に対する適合性を確認しました。
さらに、このペーパーでは、最先端のアルゴリズムに対する新しい変更を提案し、既存の方法と比較してパフォーマンスの向上を示しています。
SEEデータセットにより、現実的なシナリオでアコースティックデータベースの方法の評価を可能にするため、実際の水中アプリケーションの実現可能性が向上します。

要約(オリジナル)

This paper introduces Synthetic Enclosed Echoes (SEE), a novel dataset designed to enhance robot perception and 3D reconstruction capabilities in underwater environments. SEE comprises high-fidelity synthetic sonar data, complemented by a smaller subset of real-world sonar data. To facilitate flexible data acquisition, a simulated environment has been developed, enabling the generation of additional data through modifications such as the inclusion of new structures or imaging sonar configurations. This hybrid approach leverages the advantages of synthetic data, including readily available ground truth and the ability to generate diverse datasets, while bridging the simulation-to-reality gap with real-world data acquired in a similar environment. The SEE dataset comprehensively evaluates acoustic data-based methods, including mathematics-based sonar approaches and deep learning algorithms. These techniques were employed to validate the dataset, confirming its suitability for underwater 3D reconstruction. Furthermore, this paper proposes a novel modification to a state-of-the-art algorithm, demonstrating improved performance compared to existing methods. The SEE dataset enables the evaluation of acoustic data-based methods in realistic scenarios, thereby improving their feasibility for real-world underwater applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google