Under Water SLAM with Laser-light sectioning method using ST-GAT

はじめに (Introduction)

インフラ点検や海洋資源探査などの重要な用途において、水中シーンの高密度かつ正確な3D形状計測への需要が急速に高まっています。しかし、水中という媒体は光の減衰や散乱といった独自の課題をもたらし、従来の3Dセンシング技術の適用を困難にしています。マルチラインレーザーシステムは実用的なソリューションを提供しますが、遮蔽や散乱によるレーザーラインの断片化（Fragmentation）という問題があり、エピポーラ幾何に基づく従来のID割り当て手法が機能しなくなる原因となっています。

本研究では、レーザーID割り当て問題をグラフベースの系列ラベリングタスクとして再定義し、Spatio-Temporal Graph Attention Networks (ST-GAT) を用いた新しい2段階の階層的フレームワークを提案します。
図1：断片化したレーザーラインを含む困難な水中シーケンスにおける再構成結果の比較。スパースなベースライン手法と比較して、提案手法は完全かつ高密度なモデルをロバストに再構成している。

提案手法 (Methodology)

本研究の中核となる貢献は、マルチラインレーザーのID割り当てのためのロバストなGNNベースのモジュールです。提案するフレームワークは、局所的なトポロジーの正しさと大局的な時間的一貫性の両方を確保するために、以下の2つの階層的な段階で動作します。
  • Stage 1: ノードレベルの時空間予測
    レーザーの端点と交点から時空間グラフを構築します。統合されたアテンション機構を持つカスタムST-GATがトポロジカルな手がかりを捉えて初期IDを予測し、局所的な断片化を効果的に処理します。
  • Stage 2: セグメントレベルの軌跡最適化
    推論をセグメントレベルに引き上げます。セグメントの軌跡を構築し、軌跡制約付きビタビ復号化 (Trajectory-constrained Viterbi decoding) を適用することで、物理的な一貫性を強制し、レーザーラインがシーケンス全体を通して単一の同一性を維持することを保証します。
このアプローチにより、完全なエピポーラ幾何への依存が排除され、濁った水中環境においても高いロバスト性を発揮します。
図3：(A) 提案する水中3D再構成システムの概要。(B) 提案手法であるST-GATの詳細。Stage 1のノードレベル予測とStage 2のセグメントレベル軌跡最適化を示している。

実験結果 (Experimental Results)

透明なプールや散乱のある水槽など、実際の水中環境において包括的な実験を行いました。提案手法を、最先端のパッシブ手法（COLMAP, VGGT, 2DGS, WaterSplatting）および従来の能動的光切断法と比較検証しました。

以下の定性的な結果に示すように、提案手法は、パッシブ手法がノイズの影響を受け、従来の能動的手法がデータ欠損により失敗するような困難な環境において、特に優れた再構成の完全性と時間的安定性を実証しました。定量的評価においても、提案手法が精度とカバレッジの最良のバランスを達成していることが確認されました。
図7：困難な散乱環境における定性的比較。他のSOTAベースラインと比較して、提案手法(g)は最も完全で構造的に正確な再構成を実現している。

Resources
    Dataset: Zenodo (The underwater video dataset)

Publications
Computer Vision and Graphics Laboratory