Efficient Large-scale AUV-based Visual Seafloor Mapping

要約

海洋データ サイエンス アプリケーションの増加により、ロボット プラットフォームを使用して深海の広大で未知の地形を調査および探索することへの関心が高まっています。
過去数十年にわたり、多くの陸上ビジュアルマッピングアルゴリズムによって目覚ましい成果が達成されてきたにもかかわらず、これらの手法を陸上から深海に移行することは、厳しい環境条件のため依然として課題となっています。
通常、深海探査には、高解像度のカメラと人工照明システムを備えた自律型水中探査機 (AUV) が使用されます。
しかし、この方法で得られた画像は、光線の屈折に加えて、不均一な照明や、減衰や散乱による品質の低下に悩まされることがよくあります。
これらすべてが重なると、陸上の SLAM アプローチが水中で失敗したり、Structure-from-Motion アプローチが難しい画像をドリフトしたり省略したりして、ギャップ、ジャンプ、または登録が弱い領域が発生することがよくあります。
この研究では、数ヘクタールの海底の自動ロボットによる 3D 再構築を容易にする、水中イメージングとビジュアル マッピングの最近の開発を組み込んだシステムを紹介します。
私たちのアプローチは、画像の省略を避け、限られた潜水時間をより有効に活用するために、困難で登録の弱い領域を検出して再検討するという点で効率的です。
その一方で、計算効率が高いです。
SLAM と Structure-from-Motion の利点を組み合わせたハイブリッド アプローチを活用し、増分再構築よりもはるかに高速に実行され、少なくとも同等のパフォーマンスを達成します。
提案されたシステムは、数回の調査航海中に広範なテストと評価が行われ、現実の状況における堅牢性と実用性が実証されています。

要約(オリジナル)

Driven by the increasing number of marine data science applications, there is a growing interest in surveying and exploring the vast, uncharted terrain of the deep sea with robotic platforms. Despite impressive results achieved by many on-land visual mapping algorithms in the past decades, transferring these methods from land to the deep sea remains a challenge due to harsh environmental conditions. Typically, deep-sea exploration involves the use of autonomous underwater vehicles (AUVs) equipped with high-resolution cameras and artificial illumination systems. However, images obtained in this manner often suffer from heterogeneous illumination and quality degradation due to attenuation and scattering, on top of refraction of light rays. All of this together often lets on-land SLAM approaches fail underwater or makes Structure-from-Motion approaches drift or omit difficult images, resulting in gaps, jumps or weakly registered areas. In this work, we present a system that incorporates recent developments in underwater imaging and visual mapping to facilitate automated robotic 3D reconstruction of hectares of seafloor. Our approach is efficient in that it detects and reconsiders difficult, weakly registered areas, to avoid omitting images and to make better use of limited dive time; on the other hand it is computationally efficient; leveraging a hybrid approach combining benefits from SLAM and Structure-from-Motion that runs much faster than incremental reconstructions while achieving at least on-par performance. The proposed system has been extensively tested and evaluated during several research cruises, demonstrating its robustness and practicality in real-world conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google