Generation of Augmented Bathymetry to Aid Development of Terrain-Aided Autonomous Underwater Vehicle Localization and Navigation Approaches
Notice bibliographique
Résumé
Perlin noise is used in terrain generation when the available terrain is not sufficiently detailed (for example, asteroid surface modelling for navigation algorithms). Perlin noise is pseudo-random coherent noise. The noise function is smooth up to and including its second order derivative. The frequency of the Perlin noise function can be adjusted. Consequently, successive noise functions can be generated with differing frequency content (usually differing by an octave) and amplitudes. These noise functions can be superimposed to create variable terrain.The research and development reported builds on previous work towards extended range autonomous underwater vehicle (AUV) localization and navigation aided by gravity anomalies and bathymetry. As part of the previous work, a high-fidelity AUV navigation testbed (ANT) which uses the open-source robotics middleware ROS, and interfacing with an open-source AUV vehicle simulator and physics-based engine, was developed. With the earlier contributions there was no way to validate the constant density assumption when using a priori bathymetry derived gravity anomaly maps for localization. Secondly, there was no realization or exploration of the impact of spatial details in the bathymetry, therefore, the derived gravity anomaly field, on the AUV localization performance.As part of this work the functionality of the ANT has been improved to include generating synthetic terrain and augmenting existing bathymetry. The main contribution of this paper is documenting the augmentation of existing lower-resolution bathymetric measurements with terrain variations using Perlin noise. The augmented terrain maintains the integrity of the lower-resolution bathymetric measurements while allowing terrain variation between measurements that are realistic. The level of detail and amplitude of variations is completely subject to design.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».