Feature Space Exploration For Planning Initial Benthic AUV Surveys

要約

専用自律型水中探査機（AUV）は、底生（海底）調査に利用され、海底の光学画像を収集します。
カメラのセンサーの設置面積が小さく、調査対象のエリアが広大であるため、これらの AUV では、数万平方メートルを超えるエリアの完全なカバー画像を収集することは現実的には不可能です。
したがって、AUV パスは調査エリアをまばらに、しかし効果的にサンプリングする必要があります。
大規模な音響深浅データは広い範囲にわたって容易に入手でき、多くの場合、海底被覆の事前情報として役立ちます。
したがって、事前の深深測量を使用して AUV データ収集をガイドできます。
この研究では、多様な深深地形セットからサンプリングするために、深浅地形の特徴空間表現を効率的に探索する初期 AUV 調査を計画する方法を提案します。
これにより、AUV は、調査サイト全体を代表する、固有の生息地が存在する可能性が高い地域を訪問できるようになります。
私たちは、特徴空間探索の報酬を利用して、自由形式のパスを計画したり、調査テンプレートの配置を最適化したりする、いくつかの情報収集プランナーを提案します。
AUV 調査を計画するためのこれらの方法の適合性は、特徴空間の範囲と、最初の潜水ですべてのクラスの底生生物生息地を訪問できるかどうかに基づいて評価されます。
急速に拡大するランダム ツリー (RRT) とモンテカルロ ツリー検索 (MCTS) に基づいた有益なプランナーが最も効果的であることがわかりました。
これは、初期潜水の有用性を高めるため、AUV 調査にとって貴重なツールです。
また、音響測深と視覚的に得られる海底分類との関係を学習するための包括的なトレーニング セットも提供します。

要約(オリジナル)

Special-purpose Autonomous Underwater Vehicles (AUVs) are utilised for benthic (seafloor) surveys, where the vehicle collects optical imagery of the seafloor. Due to the small-sensor footprint of the cameras and the vast areas to be surveyed, these AUVs can not feasibly collect full coverage imagery of areas larger than a few tens of thousands of square meters. Therefore it is necessary for AUV paths to sample the surveys areas sparsely, yet effectively. Broad-scale acoustic bathymetric data is readily available over large areas, and is often a useful prior of seafloor cover. As such, prior bathymetry can be used to guide AUV data collection. This research proposes methods for planning initial AUV surveys that efficiently explore a feature space representation of the bathymetry, in order to sample from a diverse set of bathymetric terrain. This will enable the AUV to visit areas that likely contain unique habitats and are representative of the entire survey site. We propose several information gathering planners that utilise a feature space exploration reward, to plan freeform paths or to optimise the placement of a survey template. The suitability of these methods to plan AUV surveys is evaluated based on the coverage of the feature space and also the ability to visit all classes of benthic habitat on the initial dive. Informative planners based on Rapidly-expanding Random Trees (RRT) and Monte-Carlo Tree Search (MCTS) were found to be the most effective. This is a valuable tool for AUV surveys as it increases the utility of initial dives. It also delivers a comprehensive training set to learn a relationship between acoustic bathymetry and visually-derived seafloor classifications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google