Elevation Angle Estimation in 2D Acoustic Images Using Pseudo Front View
Elevation Angle Estimation in 2D Acoustic Images Using Pseudo Front View
复制标题
使用伪前视图进行 2D 声学图像中的仰角估计
DOI：
10.1109/lra.2021.3058911
复制
发表时间：
2021
影响因子：
5.2
通讯作者：
Asama Hajime
中科院分区：
文献类型：
--
作者：
Wang Yusheng;Ji Yonghoon;Liu Dingyu;Tsuchiya Hiroshi;Yamashita Atsushi;Asama Hajime
提出了一种用于二维声学图像三维重建的缺失维数估计方法。声学相机可以在不受水浊度和光照影响的水下环境中获取高分辨率的二维图像。然而，声图像的表述导致了缺失维数问题。未知仰角尺寸的估计是近年来研究人员关注的一个难点问题。三维点与二维像素之间的非双客观特性增加了问题的复杂性。本文提出了一种新的仰角估计方法。该方法利用深度神经网络将声学视图转换为伪前视图。该网络可以估计缺失维数并解决二维-三维对应的非双射问题。由于在水下环境中难以获取深度信息，因此使用模拟图像对网络进行训练。为了缓解模拟与真实之间的差距，采用了一种神经风格迁移方法来生成真实的图像数据集进行训练。仿真实验验证了该方法的可行性。
A novel method to estimate the missing dimension in 2D acoustic images for 3D reconstruction is proposed in this paper. Acoustic cameras can acquire high resolution 2D images in underwater environment insusceptible to water turbidity and light condition. However, the formulation of acoustic images leads to the missing dimension problem. Estimating the unknown elevation angle dimension is a difficult task which has recently drawn the attention of researchers. The non-bijective characteristic between 3D points and 2D pixels increases the complexity of the problem. In this paper, a novel elevation angle estimation method is proposed. The method transfers the acoustic view to pseudo front view using a deep neural network. The proposed network can estimate the missing dimension and resolve the non-bijection problem of the 2D-3D correspondence. Because of the difficulty of acquiring depth information in underwater environments, the network is trained using simulated images. To mitigate the sim-real gap, a neural style transfer method is implemented to generate a realistic image dataset for training. Simulation experiments were carried out for evaluation and real data proved the feasibility of the proposed method.
登录
查看更多内容
影响因子：
4.1
作者：
M. D. Aykin;S. Negahdaripour
通讯作者：
M. D. Aykin;S. Negahdaripour
使用生成对抗网络进行水下物体识别的声纳图像翻译
DOI：
10.1109/ut.2019.8734466
发表时间：
2019
期刊：
2019 IEEE Underwater Technology (UT)
影响因子：
--
作者：
Minsung Sung;Hyeonwoo Cho;Jason Kim;Son
通讯作者：
Son
用于 3D 成像声纳重建的体积反照率框架
DOI：
10.1109/icra40945.2020.9197042
发表时间：
2020
期刊：
2020 IEEE International Conference on Robotics and Automation (ICRA)
影响因子：
--
作者：
E. Westman;Ioannis Gkioulekas;M. Kaess
通讯作者：
M. Kaess
3D 成像声纳重建的费马路径理论
DOI：
10.1109/iros45743.2020.9341613
发表时间：
2020
期刊：
2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
影响因子：
--
作者：
E. Westman;Ioannis Gkioulekas;M. Kaess
通讯作者：
M. Kaess
影响因子：
4.1
作者：
Aykin, Murat D.;Negahdaripour, Shahriar
通讯作者：
Negahdaripour, Shahriar