Visual localization for deep-sea long-term monitoring
- 8 April 2026
- thesis
- Published by Agence Bibliographique de l'Enseignement Supérieur
Abstract
Localisation visuelle pour la surveillance à long terme des grands fonds: Cette thèse explore le problème de la localisation de véhicules sous-marins dans des environnements déjà explorés. Elle s'inscrit dans le cadre de la surveillance des grands fonds à long terme. Ainsi, l'environnement visité peut avoir subi des changements significatifs entre plusieurs visites. Traditionnellement, la localisation de véhicules sous-marins repose sur la fusion de mesures provenant de capteurs acoustiques et inertiels. Alors que ces capteurs fournissent des estimations précises de pose relatives, leurs estimations de position absolue présentent des biais importants, entraînant des décalages de position de plusieurs dizaines de mètres entre différentes plongées. Cette limitation entrave considérablement l'utilisation des véhicules sous-marins autonomes pour des tâches exigeant un haut degré de précision, telles que la cartographie de zones d'intérêt spécifiques. En réponse, cette thèse explore l'utilisation des observations visuelles faites par les véhicules sous-marins pour obtenir une localisation absolue plus précise. Le milieu sous-marin introduit diverses sources de variabilité qui sont absentes dans le domaine terrestre. Par conséquent, la première contribution de cette thèse est la création d'un nouveau jeu de données spécialement conçu pour évaluer des algorithmes de localisation visuelle à long terme dans les conditions des grands fonds océaniques. De plus, un autre défi inhérent aux images sous-marines est leur faible contraste et la perte de couleurs dus à la propagation de la lumière dans l'eau. Pour remédier à ce problème, la deuxième contribution de cette thèse présente deux nouvelles méthodes de restauration des couleurs des images sous-marines spécifiquement conçues pour atténuer ces phénomènes et restituer des images claires. Indépendamment du milieu sous-marin, la troisième contribution de cette thèse est la proposition d'une nouvelle fonction de coût, conçue pour la régression de pose de caméra dans un contexte d'applications à l'apprentissage profond. Il s'agit d'un aspect important pour l'entraînement des réseaux de neurones dédiés à la localisation visuelle. Enfin, cette thèse se termine par une évaluation de plusieurs méthodes de localisation visuelle sur le nouveau jeu de données proposé. Les résultats obtenus montrent que l'application de notre technique de restauration des couleurs d'images sous-marines améliore sensiblement les performances de localisation visuelle. Ce travail identifie également le principal problème rencontré par les méthodes de localisation visuelle sur le jeu de données sous-marin proposé, et présente une approche visant à améliorer l'efficacité des techniques de localisation visuelle en exploitant au mieux un jeu de données de taille limitée.Keywords
This publication has 120 references indexed in Scilit:
- Monitoring ecological dynamics on complex hydrothermal structures: A novel photogrammetry approach reveals fine‐scale variability of vent assemblagesLimnology and Oceanography, 2024
- LaMAR: Benchmarking Localization and Mapping for Augmented Reality2022
- Map-Free Visual Relocalization: Metric Pose Relative to a Single Image2022
- MeshLoc: Mesh-Based Visual Localization2022
- NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis2020
- Adjustment and Calibration of Dome Port Camera Systems for Underwater Vision2019
- True Color Correction of Autonomous Underwater Vehicle ImageryJournal of Field Robotics, 2015
- UPnP: An Optimal O(n) Solution to the Absolute Pose Problem with Universal Applicability2014
- SURF: Speeded Up Robust Features2006
- The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observationsColor Research & Application, 2004