.png){kind=icon}
返回
Interpreting navigation sonar data for object detection: a feasibility study using the Ping360
.png){kind=icon}
OA
AI
DOI：10.1007/s11227-025-08095-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了重新利用Blue Robotics Ping360——一种低成本、机械扫描单波束声纳——用于水下目标检测的可行性，并超越了其导航作用。研究提出了三个关键问题：(i) 在杂波或反射环境中解释导航声纳数据时会出现哪些挑战；(ii) 当与U-Net等分割模型结合使用时，手动标注的有效性如何；(iii) 低价声纳能否支持复杂的对象级感知。通过受控水池实验，考察了包括反射、阴影和距离依赖性畸变在内的声学伪影。采用手动标注的数据集评估了传统和基于深度学习的分割方法。结果表明，预处理——近场排除、去噪和极坐标重采样——显著提高了检测清晰度。利用GPU加速和数据并行处理，该框架实现了可扩展的近实时性能，符合高性能计算原则。数据集和代码公开可用，以鼓励在动态和多传感器水下感知领域的进一步研究。
Keyword:
Underwater object detection
Robotic perception
Single-beam sonar
Ping360 sonar data
Affordable sensing technology
Underwater robotics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
分享收藏
分享收藏Boosting R-CNN: Reweighting R-CNN samples by RPN?s error for underwater object detection.png)
NEUROCOMPUTINGOAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏
查看更多内容