Visual Egomotion Estimation In Aquacultural Fish Cages

Abstract

Sanntidsestimering av posisjon er en teknologi vi i dag er godt vant med. Systemer som GPS har gitt oss muligheter til å kunne finne posisjonen vår raskt og enkelt. Men det er ikke alle steder vi kan være avhengige av slike systemer. Et slikt sted er under vann. Og når det da er et ønske om å kunne finne posisjonen til undervanns fartøyer i fiskemerder, oppstår det et problem. Hvordan finne posisjoner uten bruk av GPS?

Først er det laget et dataset for å kunne lage of presentere resultater og for å få høy kvalitet på dataen. Datasettet er syntetisk, som betyr at det er laget digitalt. Ved å lage ett syntetisk datasett får vi også med den faktiske posisjonen som kameraet bevegde seg.

Deretter er en metode for å posisjonsestimering presentert. Ved bruk av Fourier Analyse, en teknikk som bruker frekvensene i bildet, kan bevegelsen til kameraet estimeres. Til sammenligning bruker tilsvarende systemer på land egenskaper i bildene brukes for å oppnå posisjonsestimater. Disse egenskapene er gjerne kanter, hjørner og andre steder med stor kontrast. Bruk av Fourier Analys er ikke uhørt i sammenheng med posisjonsestimering, det som er nytt her er bruken i en merde konstruksjon.

Resultatene fra testene med denne metoden viser at bruken av denne typen metode kan ha noe for seg. Det er fortsatt en vei å gå med utviklingen for at systemet skal være robust og pålitelig, men resultatene viser at det er en mulighet å fortsette med.

By now we are used to realtime position estimating, with systems such as GPS. These types of systems have given quick and easy access to our position. However, we can not rely on these systems everywhere. Under water for instance. There arises a challenge with the desire for positioning of underwater vehicles in aquacultural fish cages. How do we find positions without the use of GPS?

To start it is produced a dataset. This is done in order to present results from the position estimates, and control the quality of the data. The dataset is a so called synthetic dataset, which means it is produced digitally. By producing a synthetic dataset we obtain the actual positions of the camera.

Then a method for position estimating is presented. Using Fourier Analysis, a technique that uses the frequencies in an image, the motion of the camera can be estimated. In comparison, equivalent systems on land uses features in the image to obtain a position estimate. In this context features are corners, edges and other contrasting regions in the image. The use of Fourier Analysis is not unheard of in regards to position estimation, new here is the use in an aquacultural fish cage.

The results with this method shows some promise. There are still steps to be made in the development of this method in order for it to be robust and reliable, but the results show possibilities for further work.