MARC

 008250123s2024        us                              c    eng  d
■001000017163984
■00520250211152817
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384448686
■035    ▼a(MiAaPQ)AAI31558852
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a629.8
■1001  ▼aHinduja,  Akshay  A.▼0(orcid)0000-0003-4960-844X
■24510▼aUnderwater  Localization  and  Mapping  for  Cost-Effective  Robots
■260    ▼a[Sl]▼bCarnegie  Mellon  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a82  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Kaess,  Michael.
■5021  ▼aThesis  (Ph.D.)--Carnegie  Mellon  University,  2024.
■520    ▼aAutonomous  Underwater  Vehicles  (AUVs)  have  become  integral  tools  to  solve  real  world  tasks  of  surveying,  mapping  and  inspection  of  human  made  infrastructure,  as  well  as  monitoring  in  natural  environments.  AUVs  are  often  used  in  areas  considered  dangerous  for  human  intervention,  making  the  need  for  robust  methods  of  perception  and  navigation  paramount.  Depending  on  the  task,  AUVs  vary  in  size  and  form-factor  which  in  turn  also  affects  the  onboard  sensors  used.  For  most  infrastructure  inspection  tasks  the  most  common  types  of  sensors  include  Doppler  Velocity  Logs  (DVL)  and  Inertial  Measurement  Units  (IMU)  for  inertial  navigation  and  acoustic  sonars  for  perception.  While  these  sensors  represent  the  best  options  for  AUVs,  they  have  shortcomings  such  as  often  a  prohibitively  high  cost,  and  a  lack  of  information  rich  perceptual  data  when  considering  imaging  sonars.  We  discuss  the  challenges  faced  in  underwater  localization  and  mapping  with  respect  to  imaging  sonars,  such  as  the  lack  of  a  general  framework  which  works  across  different  types  of  sonar  makes,  and  also  obstacles  to  engaging  in  research  due  to  high  setup  and  operational  costs  for  AUVs.In  this  dissertation,  we  explore  localization  and  mapping  techniques  designed  for  cost-effective  underwater  robots.  We  begin  with  looking  at  the  problem  of  performing  accurate  Simultaneous  Localization  and  Mapping  (SLAM)  when  using  sonar  data  due  to  featureless  environments  causing  degenerate  situations.  I  present  a  factor  graph  based  solution  to  this  problem.  We  then  look  at  a  framework  for  onboard  acoustic  localization  of  multiple  ultra-low-cost  underwater  robots  using  off  the  shelf  equipment.  For  improving  feature-based  SLAM  using  imaging  sonars,  I  present  a  pose-supervised  network  to  learn  sonar  image  correspondences  called  SONIC.  Lastly,  this  work  is  further  expanded  in  C-SONIC  to  allow  cross-sonar  image  correspondence.  This  allows  cheaper  robots  with  low  frequency  imaging  sonars  to  find  feature  correspondences  in  maps  made  with  high  frequency  imaging  sonars.
■590    ▼aSchool  code:  0041.
■650  4▼aRobotics
■650  4▼aAcoustics
■650  4▼aComputer  engineering
■650  4▼aAutomotive  engineering
■650  4▼aInformation  technology
■653    ▼aDeep  learning
■653    ▼aImaging  sonars
■653    ▼aLocalization
■653    ▼aMapping
■653    ▼aSLAM
■690    ▼a0771
■690    ▼a0800
■690    ▼a0986
■690    ▼a0489
■690    ▼a0464
■690    ▼a0540
■71020▼aCarnegie  Mellon  University▼bMechanical  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0041
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163984▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서