Underwater laser scanner segmentation: a robust AI method for 3D seafloor reconstruction
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Obtener mapas submarinos de alta resolución es esencial para comprender el ambiente bajo el agua y enfrentar desafíos actuales como la exploración de recursos y la conservación de hábitats. Un método común para lograr este objetivo es la utilización de un escáner laser, esta técnica detecta líneas generadas por un laser en imágenes para posteriormente calcular la reconstrucción 3D. Sin embargo, este método enfrenta desafíos debido a las distorsiones del agua y las variaciones de iluminación que presenta el ambiente acuático. Para mejorar la detección de líneas láser en imágenes del entorno submarino y lograr un mapeo mas preciso, se propone un enfoque innovador que integra técnicas de procesamiento de imágenes con algoritmos de inteligencia artificial. El método propuesto se basa en la arquitectura de red neuronal U-Net y utiliza técnicas de segmentación y reconocimiento de pixeles para representar las coordenadas en 3D con mayor eficiencia y robustez.
El método fue evaluado utilizando imágenes sintéticas y de laboratorio bajo diferentes condiciones de iluminación y características del terreno, y los resultados demuestran que el método es más efectivo y robusto que los métodos convencionales, obteniendo errores más bajos en las reconstrucciones 3D que los métodos actuales. Finalmente, validamos el método propuesto entrenado con datos sintéticos y de laboratorio para luego testearlo con imágenes reales en un entorno submarino obteniendo segmentaciones precisas y verificando la robustez del método en diferentes escenarios sin la necesidad de ajustar parámetros del método propuesto.
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2023
Keywords
Laser stripe, Deep learning for visual perception, Marine robotics, Laser line detection, Underwater images