Verbesserung der Inter-AUV-Wahrnehmung: Adaptive 6-DOF-Haltungsschätzung mit synthetischen Bildern für AUV-Schwarmwahrnehmung

Die Fähigkeiten der gegenseitigen Wahrnehmung und Lokalisierung von AUV sind entscheidend für die Entwicklung von AUV-Schwarm-Systemen. Wir schlagen das AUV6D-Modell vor, einen auf synthetischen Bildern basierenden Ansatz zur Verbesserung der Inter-AUV-Wahrnehmung durch 6D-Haltungsschätzung. Angesichts der Herausforderung, genaue 6D-Haltungsdaten zu erfassen, wurde ein Datensatz mit simulierten Unterwasserbildern mit präzisen Haltungslabels unter Verwendung von Unity3D erstellt. Die Mask-CycleGAN-Technologie wurde eingeführt, um diese simulierten Bilder in realistische synthetische Bilder zu transformieren und die Knappheit verfügbarer Unterwasserinformationen zu beheben. Darüber hinaus wird die Strategie der Color Intermediate Domain Mapping vorgeschlagen, um die Ausrichtung über verschiedene Bildstile auf Pixel- und Merkmalsniveau sicherzustellen, was die Anpassungsfähigkeit des Haltungsestimmungsmodells verbessert. Darüber hinaus wurde der Salient Keypoint Vector Voting Mechanismus entwickelt, um die Genauigkeit und Robustheit der Unterwasser-Haltungsschätzung zu verbessern und eine präzise Lokalisierung selbst bei Vorhandensein von Occlusion zu ermöglichen. Die experimentellen Ergebnisse zeigten, dass unser AUV6D-Modell eine Lokalisierungsgenauigkeit im Millimeterbereich und Haltungsabschätzungsfehler von innerhalb von fünf Grad erreichte und außergewöhnliche Leistungen in komplexen Unterwasserumgebungen zeigte. Navigationsversuche mit zwei AUVs verifizierten weiter die Zuverlässigkeit des Modells bei der gegenseitigen 6D-Haltungsschätzung. Diese Forschung bietet substanzielle technische Unterstützung für komplexere und präzisere kooperative Operationen für AUV-Schwärme in der Zukunft.