Bathymetric Surveying with Imaging Sonar Using Neural Volume Rendering

要約

この研究は、イメージングソナーから深浅地形を推定するという課題に取り組んでいますが、最先端の研究は主にグラウンドトゥルースラベルを使用した教師あり学習か、ランバートの仮定に基づく表面レンダリングのいずれかに依存していました。
このレターでは、標準的な測量中に収集された前方監視ソナー (FLS) データを使用して深浅地形を再構築するための、ボリューム レンダリングに基づく新しい自己監視型フレームワークを提案します。
パラメトリック多重解像度ハッシュエンコーディングスキームでカプセル化されたニューラルハイトマップとして海底を表し、階層サンプリング技術を使用したソナーボリュームレンダリングを使用して微分可能レンダラーでソナー測定をモデル化します。
さらに、水平および垂直のビームパターンをモデル化し、深浅地形と組み合わせて推定します。
提案手法をシミュレーションと低高度調査中に遠隔操作車両（ROV）によって収集されたフィールドデータに基づいて定量的に評価します。
結果は、提案された方法が、海底マッピングにイメージングソナーを使用する現在の最先端のアプローチよりも優れていることを示しています。
また、提案されたアプローチを使用して、低高度測量からの FLS データを含む低解像度の以前の地図の解像度を向上できる可能性があることも示します。

要約(オリジナル)

This research addresses the challenge of estimating bathymetry from imaging sonars where the state-of-the-art works have primarily relied on either supervised learning with ground-truth labels or surface rendering based on the Lambertian assumption. In this letter, we propose a novel, self-supervised framework based on volume rendering for reconstructing bathymetry using forward-looking sonar (FLS) data collected during standard surveys. We represent the seafloor as a neural heightmap encapsulated with a parametric multi-resolution hash encoding scheme and model the sonar measurements with a differentiable renderer using sonar volumetric rendering employed with hierarchical sampling techniques. Additionally, we model the horizontal and vertical beam patterns and estimate them jointly with the bathymetry. We evaluate the proposed method quantitatively on simulation and field data collected by remotely operated vehicles (ROVs) during low-altitude surveys. Results show that the proposed method outperforms the current state-of-the-art approaches that use imaging sonars for seabed mapping. We also demonstrate that the proposed approach can potentially be used to increase the resolution of a low-resolution prior map with FLS data from low-altitude surveys.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google