亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Enhanced underwater object tracking in sonar images using deep learning and vehicle motion data

声纳 计算机视觉 人工智能 计算机科学 稳健性(进化) 特征(语言学) 目标检测 水下 视频跟踪 运动估计 合成孔径声纳 深度学习 对象(语法) 特征提取 过程(计算) 视觉对象识别的认知神经科学 匹配移动 图像处理 海洋哺乳动物与声纳 混响 跟踪(教育) 运动(物理) 噪音(视频) 眼动
作者
Linda Ritzau,Ganzorig Baatar,Divas Karimanzira,Thomas Rauschenbach
出处
期刊:Automatisierungstechnik [R. Oldenbourg Verlag]
卷期号:74 (2): 135-144
标识
DOI:10.1515/auto-2025-0073
摘要

Abstract Object tracking is a crucial aspect for maritime operations and navigation for underwater vehicles. Forward-looking sonar images, which provide high-resolution views of the underwater environment, enable the identification and classification of objects. However, the interpretation of these sonar images can be challenging due to feature distortion, reverberation and environmental noise, complicating object detection. To address these issues, in this paper we propose an enhanced method for underwater multi-object tracking that utilizes deep learning techniques and vehicle motion data. Our object detection framework encompasses range-setting, sliding window preprocessing, and deep learning-based multi-object detection that leverages visual features from sonar images. This process is further enhanced by integrating vehicle motion data collected from navigation devices and sensors. We introduce a combinatory approach for multi-object tracking of static objects, which integrates sonar images with vehicle motion information. The algorithm determines object locations by calculating trajectories in the sonar images using navigation and vehicle movement data and is updated with the object detection algorithm based on visual features in the sonar image. The inclusion of vehicle motion data significantly enhances the precision, recall and processing time of object tracking, ensuring continuous tracks even when objects are temporarily not seen in sonar images. Therefore, our proposed combinatory procedure enhances the algorithm’s robustness against common sonar image challenges, enabling reliable multi-object tracking of static objects in sonar images and supporting subsequent navigational tasks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
星辰大海的应助被荷兰香猪采纳,获得10
15秒前
15秒前
19秒前
雪白书蝶发布了新的文献求助10
20秒前
荷兰香猪发布了新的文献求助10
24秒前
29秒前
40秒前
雪白书蝶完成签到,获得积分10
40秒前
Moto_Fang完成签到 ,获得积分10
41秒前
48秒前
52秒前
KaK完成签到,获得积分10
52秒前
Lemenchichi完成签到,获得积分10
1分钟前
今后的应助被荷兰香猪采纳,获得10
1分钟前
1分钟前
木槿花有枝芽完成签到 ,获得积分10
1分钟前
荷兰香猪发布了新的文献求助10
1分钟前
1分钟前
1分钟前
1分钟前
zilicai的应助被科研通管家采纳,获得60
1分钟前
852的应助被科研通管家采纳,获得10
1分钟前
1分钟前
Kiuhirng发布了新的文献求助100
2分钟前
科研通AI6.3的应助被amiee采纳,获得10
2分钟前
2分钟前
amiee发布了新的文献求助10
2分钟前
2分钟前
自然的妙梦完成签到,获得积分10
3分钟前
yc关闭了yc的文献求助
3分钟前
3分钟前
vitamin完成签到 ,获得积分0
3分钟前
Orange的应助被荷兰香猪采纳,获得10
3分钟前
3分钟前
荷兰香猪发布了新的文献求助10
4分钟前
漂亮的半兰完成签到,获得积分10
4分钟前
5分钟前
Heart_of_Stone完成签到 ,获得积分10
5分钟前
5分钟前
友好大树发布了新的文献求助10
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8190159
求助须知:如何正确求助?哪些是违规求助? 9577257
关于积分的说明 21852297
捐赠科研通 7788567
什么是DOI,文献DOI怎么找? 3436279
关于科研通互助平台的介绍 2560058
邀请新用户注册赠送积分活动 2482880