Unterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen

Von Fouad Sabry

Was ist Unterwasser-Computer-Vision?

Unterwasser-Computer-Vision ist ein Teilgebiet der Computer-Vision. In den letzten Jahren ist mit der Entwicklung von Unterwasserfahrzeugen die Notwendigkeit, große Informationsmengen aufzeichnen und verarbeiten zu können, immer wichtiger geworden. Die Anwendungen reichen von der Inspektion von Unterwasserstrukturen für die Offshore-Industrie bis zur Identifizierung und Zählung von Fischen für die biologische Forschung. Doch so groß die Auswirkungen dieser Technologie auf Industrie und Forschung auch sein können, sie befindet sich im Vergleich zur herkömmlichen Computer Vision immer noch in einem sehr frühen Entwicklungsstadium. Ein Grund dafür ist, dass in dem Moment, in dem die Kamera ins Wasser geht, ganz neue Herausforderungen auftauchen. Einerseits müssen Kameras wasserdicht gemacht werden, durch Meereskorrosion werden Materialien schnell beschädigt, und der Zugang und die Änderungen an Versuchsaufbauten sind zeit- und ressourcenintensiv. Andererseits bewirken die physikalischen Eigenschaften des Wassers, dass sich Licht unterschiedlich verhält und das Aussehen desselben Objekts je nach Tiefe, organischem Material, Strömungen, Temperatur usw. verändert.

Ihr Nutzen

(I) Erkenntnisse und Validierungen zu den folgenden Themen:

Kapitel 1: Unterwasser-Computer-Vision

Kapitel 2: Computer-Vision

Kapitel 3: Hydrographische Vermessung

Kapitel 4: Autonomes Unterwasserfahrzeug

Kapitel 5: Monterey Bay Aquarium Research Institute

Kapitel 6: Unbemanntes Unterwasserfahrzeug Fahrzeug

Kapitel 7: Rauschunterdrückung

Kapitel 8: Unterwassersicht

Kapitel 9: Videonachbearbeitung

Kapitel 10: Bild Qualität

(II) Beantwortung der häufigsten öffentlichen Fragen zum Unterwasser-Computersehen.

(III) Beispiele aus der Praxis für den Einsatz von Unterwasser-Computersehen in vielen Bereichen.

An wen sich dieses Buch richtet

Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die über grundlegende Kenntnisse oder Informationen für jede Art von Unterwasser-Computervision hinausgehen möchten .

 

 

• Sprache: Deutsch
• Herausgeber: Eine Milliarde Sachkundig [German]
• Erscheinungsdatum: 28. Apr. 2024

Buchvorschau

Kapitel 1: Computer Vision unter Wasser

Die Teilmenge des maschinellen Sehens, die sich auf Unterwasserbilder konzentriert. Die Notwendigkeit, riesige Datenmengen zu sammeln und zu interpretieren, ist in den letzten Jahren aufgrund des Aufkommens von Unterwasserfahrzeugen (ROV, AUV, Segelflugzeuge) immer wichtiger geworden. Es gibt eine Vielzahl von Anwendungen für diese Technologie, von der Inspektion von Unterwasserstrukturen für das Offshore-Geschäft bis hin zur Identifizierung von Fischen und der Zählung von Populationen im Namen der Wissenschaft. Trotz des Potenzials dieser Technologie, Industrien und wissenschaftliche Bereiche zu revolutionieren, steckt sie im Vergleich zu etablierteren Formen des maschinellen Sehens noch in den Kinderschuhen. Das liegt daran, dass das Mitnehmen einer Kamera mit ins Wasser eine ganze Reihe anderer Schwierigkeiten mit sich bringt. Es kann jedoch sowohl zeit- als auch kostenintensiv sein, Zugang zu experimentellen Installationen zu erhalten und Anpassungen vorzunehmen, und Kameras müssen wasserdicht sein. Die Tiefe, das organische Material, die Strömungen, die Temperatur und andere physikalische Eigenschaften des Wassers verändern jedoch die Art und Weise, wie Licht mit einem Objekt interagiert, und verändern sein Aussehen.

Untersuchung des Meeresbodens

Satellitengestützte Ortung und Navigation

Biologisches Monitoring

Videomosaike als Orientierungs- und Navigationshilfe

Inspektion von Rohrleitungen

Visualisierung von Wrackteilen

Reparaturen von U-Boot-Strukturen

Verhinderung des Ertrinkens mit Mitteln wie Poolalarmen

An bewölkten Tagen durchdringt das Licht die Atmosphäre aus allen Richtungen, aber die Sonne ist die dominierende Quelle. Das Licht im Wasser wird von einem begrenzten Kegel am Himmel emittiert. Snells Fenster ist der Name, der diesem Phänomen gegeben wurde.

Wasser hat eine enorm stärkere Lichtschwächung als Luft. Das Endergebnis sind kontrastarme, unscharfe Bilder. Absorption (bei der Energie aus dem Licht verloren geht) und Streuung (bei der die Richtung des Lichts geändert wird) sind die Hauptursachen für die Lichtdämpfung. Die Vorwärtsstreuung führt zu einer Zunahme der Unschärfe, während die Rückwärtsstreuung den Kontrast verringert und für den Schleier verantwortlich ist, der Unterwasseraufnahmen durchdringt. Das Vorhandensein von gelösten oder suspendierten organischen Stoffen hat einen erheblichen Einfluss sowohl auf die Streuung als auch auf die Dämpfung im Wasser.

Die Dämpfung des Lichts durch Wasser ist ebenfalls wellenlängenabhängig, was problematisch ist. Das bedeutet, dass die Farbverschlechterung je nach Farbton unterschiedlich schnell auftritt. Die Dämpfung beginnt mit rotem und orangefarbenem Licht und schreitet über gelbes und grünes Licht fort. Optisch ist Blau die am wenigsten abgeschwächte Farbe.

Menschliche Strukturen werden häufig als Bildmerkmale für den Bildabgleich in der hochgradigen maschinellen Bildverarbeitung verwendet. Das Fehlen topografischer Merkmale am darunter liegenden Ozean macht es jedoch schwierig, Ähnlichkeiten zwischen den Fotos zu entdecken.

Für die Unterwasserfotografie ist ein wasserdichtes Gehäuse notwendig. Aufgrund von Dichteschwankungen kommt es jedoch zu einer Brechung an den Wasser-Glas- und Glas-Luft-Grenzflächen. Dies bewirkt eine nichtlineare Verschiebung in der Form des Bildes.

Eine weitere einzigartige Schwierigkeit ist die Bewegung des Fahrzeugs. Aufgrund von Strömungen und anderen Faktoren sind Unterwasserfahrzeuge ständig in Bewegung. Dies fügt den Algorithmen eine neue Unsicherheitsebene hinzu und erhöht die Wahrscheinlichkeit, dass geringfügige Schwankungen in jede Richtung auftreten können. Für das Video-Tracking kann dies besonders nützlich sein. Algorithmen zur Verbesserung der Bildstabilität könnten verwendet werden, um dieses Problem zu entschärfen.

Das Ziel der Bildrestaurierung ist es, das Originalbild zu lösen, indem man seine Verschlechterung modelliert und dann den Prozess invertiert. Es handelt sich in der Regel um eine komplizierte Methode, die eine Vielzahl von Parametern erfordert, die sich je nach Art des zu analysierenden Wassers dramatisch ändern.

Die Bildverbesserung konzentriert sich in erster Linie darauf, das Bild visuell besser aussehen zu lassen, ohne zu berücksichtigen, wie ein Bild tatsächlich entsteht. Diese Verfahren sind in der Regel weniger kompliziert und rechenintensiv.

Es gibt mehrere automatische Farbkorrekturalgorithmen. Um nur ein Beispiel zu nennen: Die UCM (Unsupervised Color Correction Method) geht folgendermaßen vor: In erster Linie stellt sie die Farbgenauigkeit wieder her, indem sie Farbwerte ausgleicht. Anschließend werden die Sättigungs- und Intensitätskomponenten optimiert, nachdem der Kontrast erhöht wurde, indem das rote Histogramm auf sein Maximum gestreckt wird.

Es wird davon ausgegangen, dass die Geometrie und Radiometrie von Stereokameras zuvor kalibriert wurden. Daher kann man davon ausgehen, dass benachbarte Pixel den gleichen Farbton haben sollten. Dies kann jedoch in einer Unterwasserszene aufgrund von Streuung und Rückstreuung nicht gewährleistet werden. Dieses Phänomen kann jedoch rechnerisch modelliert werden, und es kann ein virtuelles Bild erstellt werden, bei dem die Auswirkungen eliminiert werden.

Heutzutage sind Sonar-Bildgebungssysteme

{Ende Kapitel 1}

Kapitel 2: Maschinelles Sehen

Die Untersuchung, wie Computer aus digitalen Bildern oder Videos Wissen auf hohem Niveau ableiten können, steht im Mittelpunkt des multidisziplinären Wissenschaftsbereichs Computer Vision. Aus technologischer Sicht untersucht und versucht es, Aktivitäten zu automatisieren, die im Rahmen der Möglichkeiten des menschlichen visuellen Systems liegen.

Zu den Aufgaben im Zusammenhang mit Computer Vision gehören Techniken zum Erhalten, Verarbeiten, Analysieren und Verstehen digitaler Bilder sowie die Extraktion hochdimensionaler Daten aus der physischen Umgebung, um numerische oder symbolische Informationen, wie z. B. Urteile, zu erstellen.

Computer Vision ist ein Teilgebiet der Informatik, das die theoretischen Grundlagen künstlicher Systeme untersucht, die Informationen aus Bildern ableiten sollen. Die visuellen Daten können in einer Vielzahl von Formaten dargestellt werden, einschließlich Videosequenzen, Bildern, die von mehreren Kameras erhalten wurden, mehrdimensionalen Daten, die von einem 3D-Scanner oder medizinischen Scangeräten erhalten wurden, und so weiter. Das Ziel des technischen Bereichs Computer Vision ist es, die Ideen und Modelle, die es im Prozess des Aufbaus von Computer-Vision-Systemen entwickelt hat, umzusetzen.

Die Bereiche Szenenrekonstruktion, Objekterkennung, Ereigniserkennung, Videoverfolgung, Objekterkennung, 3D-Posenschätzung, Lernen, Indizierung, Bewegungsschätzung, visuelle Servoisierung, 3D-Szenenmodellierung und Bildwiederherstellung sind allesamt Teilbereiche des maschinellen Sehens. Zu den weiteren Teilbereichen des maschinellen Sehens gehört die 3D-Szenenmodellierung.

Computer Vision ist eine multidisziplinäre Studie, die untersucht, wie Computer programmiert werden können, um aus digitalen Bildern oder Filmen Wissen auf hohem Niveau zu extrahieren. In diesem Bereich geht es darum, wie Computern beigebracht werden kann, das zu verstehen, was ihnen gezeigt wird. Aus Sicht des Ingenieurwesens besteht das Ziel darin, Wege zu finden, um Vorgänge zu automatisieren, die bereits vom menschlichen visuellen System ausgeführt werden können. Computer Vision ist ein Studiengebiet im Bereich der Informationstechnologie, das