Zaragoza, España
El uso de vehículos autónomos submarinos (AUV) supone una revolución para las tareas de monitorización del fondo marino. Sin embargo, propiedades como la atenuación de la luz o la turbidez del agua, propias de estos entornos, complican el procesado de las imágenes capturadas desde estos AUVs. Este trabajo estudia técnicas para mejorar la comprensión automática de imágenes monoculares de escenas submarinas. El sistema desarrollado no utiliza supervisión o entrenamiento adicional, sino que se construye a partir de técnicas existentes, aprendizaje zero-shot y algoritmos sencillos de procesamiento de imagen. El sistema combina una estimación de profundidad para las imágenes (utilizando monoUWNet Amitai et al. (2022), una adaptación a entornos submarinos del estado del arte en tareas de estimación de profundidad con imagen monocular) con la segmentación propuesta para separar las zonas de agua del resto de elementos de la escena. Los resultados del sistema presentado muestran como se consigue una interpretación más completa de la escena que con los algoritmos originales. El sistema propuesto permite segmentar con precisión las zonas de agua, facilitando la identificación de otros objetos de interés, como elementos suspendidos en el agua, que corresponden con peces u otros obstáculos móviles.
Using autonomous underwater vehicles (AUV) is a revolution for seabed monitoring. However, properties such as light attenuation or water turbidity, typical of these environments, complicate the processing of images captured from these AUVs. This work studies techniques to improve underwater scene understanding from monocular images. The developed system does not use additional supervised training, but builds on existing deep learning based techniques combined with simple image processing algorithms. The system combines depth estimation (using the monoUWNet Amitai et al. (2022) model, an adaptation to underwater environments of the state of the art in depth estimation from monocular image) with the proposed segmentation to separate water regions and the rest of the scene elements. The segmentation results obtained show that more complete scene information is achieved than with the original algorithms. The proposed system allows to accurately segment the water regions and facilitates the detection of other objects of interest, such as elements suspended in the water, corresponding with fish or other moving obstacles.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados