文献

J-GLOBAL ID：202102216538836378   整理番号：21A0006578

構造化光測深における自己無矛盾性を改善するための特徴のないアプローチ【JST・京大機械翻訳】

A Featureless Approach to Improve Self-Consistency in Structured Light Bathymetry

著者 (4件)： Stanley David (University of Southampton,Centre for In Situ and Remote Intelligent Sensing, FEPS,UK) ,  Bodenmann Adrian (University of Southampton,Centre for In Situ and Remote Intelligent Sensing, FEPS,UK) ,  Massot-Campos Miquel (University of Southampton,Centre for In Situ and Remote Intelligent Sensing, FEPS,UK) ,  Thornton Blair (University of Southampton,Centre for In Situ and Remote Intelligent Sensing, FEPS,UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： AUV  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,測深マップにおける自己整合を定量化し,改善するための特徴のないアプローチを用いて構造化光セットアップを較正するための新しい方法について述べた。海底再構成とそれらに由来する情報の自己一貫性と精度は,車両局在化,センサモデルおよびそれらの較正における不確実性によって制限される。構造化光のような高分解能設定では,これらの不確実性は生成されたマップの分解能よりも数桁大きい。同時位置決めおよびマッピングおよびバンドル調整のような技法は,地図自己整合を改善するために姿勢推定およびセンサキャリブレーションを補正できるが,両方法は,データにおける特徴の発見およびマッチングを典型的に頼り,これは,この方法の重要な利点が,作業のために存在する海底特徴に依存しないので,構造化光への応用を制限する。本論文では,構造化光セットアップにおける自己矛盾を改善する完全無特徴アプローチを開発した。提案方法を検証するためにシミュレーションを実行し,著者らは,Darwin Mounds UK海洋保護地域における約1000mの深さでBioCam海底マッピング装置を備えたAutosub6000自律水中車両を用いて収集したデータを分析した。独立パラメータ最適化の結果は,完全無特徴手法が最適キャリブレーションに向けて収束できることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 不確実性 ,  分解能 ,  位置決め ,  測深 ,  海洋 ,  再構成 ,  海底 ,  センサ ,  高分解能 ,  *自己整合
準シソーラス用語： パラメータ最適化 ,  姿勢推定 ,  局在化 ,  *構造化光 ,  バンドル調整 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 構造化光 ,  測深 ,  自己 ,  無矛盾性