Side-scan sonar image registration for AUV navigation
Notice bibliographique
Résumé
The ability of an AUV to navigate an underwater environment precisely and for an extended period depends on its effectiveness at making accurate observations regarding its location and orientation. An AUV platform equipped with a side-scan sonar system has the potential to register the current sonar image with previously captured images for the purpose of obtaining information about the vehicle's pose. Image registration is a procedure which transforms images viewed from different perspectives into a single coordinate system. The significance of using image registration techniques in a surveying or monitoring context comes from the fact that the registration parameters could provide the AUV with an indication of the discrepancy between its expected and observed pose vectors. As such, image registration provides feedback which can be used to compensate for drift in inertial sensors or to provide a standalone navigation solution in the event that the inertial navigation system fails. In order for image registration to provide an effective means for feedback a number of requirements on the performance of the image registration method employed must be met. Not only must the method be accurate in the face of possible image variations, but it must operate in real-time using the limited computing resources available within an AUV. In this paper, a number of key image registration techniques are applied to side-scan sonar images. These techniques include those based on the maximization of mutual information, log-polar cross-correlation, the Scale-Invariant Feature Transform (SIFT), and phase correlation. The performance of these techniques is assessed based on a number of metrics including execution time and registration accuracy. The challenges introduced by side-scan sonar imaging systems which degrade the performance of image registration are also discussed in detail.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».