XiaoMi-AI文件搜索系统
World File Search System水下环境
ru-slam：稳健的深度学习视觉同时定位和映射（SLAM）系统，用于弱质地的水下环境
摘要：准确且健壮的同时定位和映射（SLAM）系统对于自动水下车辆（AUV）至关重要，可以在未知环境中执行任务。然而，直接将基于深度学习的SLAM方法应用于水下环境会带来挑战，这是由于纹理较弱，图像退化以及无法准确注释关键点的挑战。在本文中，提出了强大的深入学习视觉大满贯系统。首先，一个名为UWNET的功能生成器旨在解决弱纹理和图像降解问题，并提取更准确的关键点功能及其描述符。此外，基于改进的水下成像物理模型以自我监督的方式训练网络的知识蒸馏概念。最后，将UWNET集成到ORB-SLAM3中以替换传统的特征提取器。提取的本地和全局特征分别用于特征跟踪和闭环检测模块。公共数据集和自收集的池数据集的实验结果验证了所提出的系统在复杂方案中保持高精度和鲁棒性。
基于深度学习的流程，用于通过连续捕获的立体视频估计不受约束的水下环境中水生生物的数量和大小
摘要：使用固定式水下摄像机是一种现代且适应性强的方法，可提供持续且经济高效的长期解决方案来监测特别感兴趣的水下栖息地。此类监测系统的共同目标是更好地了解各种海洋生物种群的动态和状况，例如迁徙或商业相关鱼类种群。本文介绍了一种完整的处理流程，用于从固定式水下鱼类观测站 (UFO) 的立体摄像机捕获的立体视频数据中自动确定生物种群的丰度、类型和估计大小。记录系统进行了现场校准，然后使用同步记录的声纳数据进行了验证。视频数据在德国北部波罗的海入口基尔峡湾连续记录了近一年。它展示了水下生物的自然行为，因为使用被动低光摄像机代替主动照明来减弱吸引力并实现尽可能少的侵入性记录。记录的原始数据通过自适应背景估计进行预过滤，以提取具有活动的序列，然后由深度检测网络（即 Yolov5）进行处理。这提供了在两个摄像机的每个视频帧中检测到的生物的位置和类型，用于按照基本匹配方案计算立体对应关系。在后续步骤中，使用匹配的边界框的角坐标来近似所描绘生物的大小和距离。本研究中使用的 Yolov5 模型是在一个新颖的数据集上训练的，该数据集包含 10 类海洋动物的 73,144 张图像和 92,899 个边界框注释。该模型实现了 92.4% 的平均检测准确率、94.8% 的平均精度 (mAP) 和 93% 的 F1 得分。
Marianas Trench海洋国家纪念碑管理计划和环境评估草案
巨大的海底泥土火山，液体硫的水下池，茂密的顶点捕食者种群和壮观的珊瑚礁系统……这些只是玛丽安娜沟渠海洋纪念碑（纪念碑）的某些独特特征。纪念碑的特征是该地区在地球最活跃的火山系统太平洋火环中的复杂地质过程的标志。这些地质现象创造了独特的水下环境，以支持动态生物生态系统。壮观的火山海底通风口，也称为“吸烟者”，支持各种各样的海洋生物，包括地球上一些最早已知的微生物生命形式。也发现了世界上最深处的玛丽安娜沟，其中珠穆朗玛峰可以与一英里的水相处。1，2
绿色和社会债券影响报告
最近的一个例子是我们推动蓝色金融和蓝色债券发行的工作。虽然蓝色金融提供了巨大的机会来帮助保护水下环境和投资可持续的水经济，但水和海洋相关活动迄今为止尚未获得所需的资金，部分原因是缺乏指导方针。为了弥补这一差距，国际金融公司今年早些时候发布了蓝色金融指导方针，根据绿色债券原则和绿色贷款原则，就蓝色项目资格、蓝色发行和蓝色贷款提供建议。国际金融公司还支持泰国一家商业银行发行的首笔蓝色债券，并认购了菲律宾最大银行发行的首笔蓝色债券，金额高达 1 亿美元。
基于ROV的自动驾驶操作，用于船体检查，并进行覆盖范围监控
抽象的船体检查是确保船舶可持续性的重要任务。要以有效的方式克服水下环境中船体结构检查的挑战，必须开发一个自治系统。在本文中，提出了一种新的水下船体检查方法。它旨在为端到端自动解决方案开发基础。实时方面是这项工作的重要组成部分，因为它允许操作员和检查人员收到有关检查发生的反馈。根据检查发现生成并在线制定了参考任务计划。这是通过处理多层前向声纳来完成的，以估计船体相对于无人机的姿势。检查图以新颖的方式逐步构建，并结合了不确定性估计，以更好地表示检查状态，质量和观察信心。所提出的方法在实时船上实时测试，并证明适用于快速了解检查过程中所做的事情。
水下机器人的腐蚀和材料.docx
1. 学生将解释腐蚀背后的化学过程，包括氧化还原反应，并找出加速水下环境腐蚀的因素。 2. 学生将分析和比较水下机器人中使用的不同材料的特性，包括它们的耐腐蚀性、强度和特定应用的适用性。 3. 学生将应用与反应速率和材料科学相关的科学原理来设计一种水下机器人，以最大限度地减少腐蚀并在海洋环境中有效运行。 4. 学生将设计和制作水下机器人的原型，考虑材料选择、耐用性和在各种水下条件下的性能。 5. 学生将评估他们和同学的设计，提供建设性的反馈，并反思他们对腐蚀和材料科学的理解如何影响他们的工程解决方案。
抗冲刷混凝土：概述
抗冲刷混凝土 (AWC) 是一种特殊的水泥基材料，可直接用于水下环境而无需分散。它是在大约 50 年前开发的，已发表了 150 多篇期刊文章和技术报告。本文全面回顾了 AWC 的基本新鲜状态和硬化状态特性，例如抗水性 (冲刷性)、稠度、抗渗色和离析性、力学性能和耐久性，以及相关的测试方法。清楚地介绍了 AWC 特性与传统混凝土特性之间的差异。还阐述了影响 AWC 性能的混合物成分、辅助胶凝材料 (SCM) 和其他条件。最后，本文讨论了 AWC 的具体性能要求及其在不同应用场合下的相应施工策略，包括正常建筑、海洋工程、散装填充和修复实践。本文还讨论了促进 AWC 发展的未来研究需求。
使用障碍物避免策略
摘要：导航水下环境提出了控制和本地化技术的严重挑战。未知领土的成功导航需要实现目标的自动操作，同时避免遇到障碍，并提出一个重大问题。使用传感器数据和避免障碍技术的基于检测的控制对于自主水下车辆（AUV）的自主权至关重要。本研究的重点是开发基于滑动模式控制（SMC）的控制方法，并利用成像声纳传感器进行避免障碍物。提出的方法包括用于俯仰和深度控制的控制器，以避免固定物体。采用高斯电位功能来指导AUV的助手并避免障碍物。许多模拟结果评估了AUV在现实模拟条件下的控制性能，从而评估了准确性和稳定性。模拟结果的实验表明，使用海底环境模拟模型，我们在导航各种障碍（例如柔和的上升，陡峭下降和水下壁）方面的表现出色。
稳定扩散启用水下深度估计
单眼深度估计在近年来，由于深度学习的进步，近年来在陆地图像上取得了重大进展。，但主要是由于数据稀缺性而导致的水下场景不足。鉴于水中的光衰减和背面的固有挑战，获得清晰的水下图像或精确的深度非常困难且昂贵。为了减轻此问题，基于学习的方法通常依赖于综合数据或转向自欺欺人或无监督的举止。尽管如此，它们的性能通常受到域间隙和宽松的约束而阻碍。在本文中，我们提出了一种新的管道，用于使用准确陆地深度生成感性的水下图像。这种方法有助于对水下深度估计的模型进行超级培训，从而有效地降低了限制和水下环境之间的性能差异。与以前的合成数据集相反，这些数据集仅将样式转移应用于没有场景内容的情况下的Terres试验图像，我们的方法通过通过创新的STA-
使用Snell窗口中的极化模式的生物启发的水下导航
针对水下无人车辆（UUV）的自主导航能力的要求，提出了一种基于Snell窗口内极化模式的水下导航的新型仿生方法。受到生物的启发，极化导航是一种无卫星的导航计划，并且有很大的潜力在水中使用。但是，由于水下环境复杂，是否可以实现UUV两极化导航令人怀疑。为了说明水下极化导航的可行性，我们首先建立了水下极化模式的模型，以证明Snell窗口内的水下极化模式的稳定性和可预测性。然后，我们基于开发的极化信息检测设备进行水下标题确定的静态和动态实验。最后，我们获得了水下极化模式，并在不同的水深度进行跟踪实验。水下极化模式的实验结果与模拟一致，这证明了所提出的模型的正确性。在5 m的水深下，跟踪实验的平均角度和位置误差分别为14.3508°和4.0812 m。可以说明水下两极化导航是可以实现的，精度可以满足UUV的实时导航要求。这项研究促进了水下导航能力和海洋设备的发展。