Development of a machine vision based stabilization and positioning system for AUVs
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3093229Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Sammendrag
Denne masteroppgaven fokuserer på utviklingen av en robust algoritme for deteksjon og sporingav not ved hjelp av et autonomt undervannsfartøy (AUV). Algoritmen har som mål å overkommebegrensningene til eksisterende metoder og takle utfordringene som oppstår i undervannsmiljøer.Spesifikke mål inkluderer å lage virtuelle not som treningsdata, pålitelig deteksjon av not, estimeringav notes posisjon, deteksjon av knutepunkter og sporing av bevegelse for knutepunktene.Omfattende eksperimenter med undervannsbilder fra fiskeoppdrettsanlegg brukes for å evaluerealgoritmens effektivitet. Resultatene av denne forskningen har betydelige implikasjoner for undervannsrobotikk,spesielt innen fiskeoppdrett, ved å forbedre AUVs evne til å detektere og sporenot. This master thesis focuses on the development of a robust algorithm for fishnet detection andtracking using an Autonomous Underwater Vehicle (AUV). The algorithm aims to overcome thelimitations of existing approaches and address the challenges posed by underwater environments.The specific objectives include the creation of virtual fishnets as training data, robust fishnetdetection, estimation of fishnet pose, junction point detection, and motion tracking of junctionpoints. Comprehensive experiments using real-world underwater data from fish farming sites areconducted to evaluate the algorithm’s effectiveness. The outcomes of this research have significantimplications for underwater robotics, particularly in fish farming operations, by enhancing AUVcapabilities in fishnet detection and tracking.