机构名称：
¥ 1.0
为完成自主导航和完成任务的完成，精确映射和感知三维环境的能力至关重要，这是至关重要的，例如Maddern对自主系统中3D感知的分析[1]和O'Mahony对机器人中3D感知的探索[2]的研究强调了。水下机器人技术也不例外。只有初始条件显着差异，包括失真，可见性降低，声学干扰和与压力相关的挑战。这防止了重建的完美传递，并在完成水下环境中的完成方法进行了完美的转移。声纳图像是强度图，可根据对象的反向散射强度颜色图像[3]。在这里，斑点噪声是一种颗粒状干扰或干扰，通常会影响雷达和声纳系统获得的图像质量。因此，该域中的主要挑战之一是从2D成像来源生成准确的3D模型。这项工作着重于完善和完成不完整和嘈杂的点云，这些云是使用[4]的高程估计方法从2D声纳图像中重建的，该方法通过训练模型来估算高程角度，从而产生了2D声纳图像的3D点云。尽管如此，即使此方法非常有效，结果云仍然需要更准确，以提供自主系统环境的有用表示。为了实现有效的完善和完成点云，我们将PCTMA-NET用于致密点云，
使用pctma-net
主要关键词
相关文件推荐
