Opti-Acoustic Scene Reconstruction in Highly Turbid Underwater Environments

A continuación presento un resumen técnico detallado del artículo "Opti-Acoustic Scene Reconstruction in Highly Turbid Underwater Environments" (Reconstrucción de Escenas Óptico-Acústica en Entornos Submarinos Altamente Turbios) en español.

1. Planteamiento del Problema

La reconstrucción de escenas es fundamental para la navegación y manipulación de Vehículos Submarinos Autónomos (AUVs), especialmente en tareas de mantenimiento y exploración cerca de estructuras. Sin embargo, los entornos submarinos presentan desafíos críticos:

• Limitaciones Visuales: Los métodos basados en visión monocular son poco fiables en aguas turbias debido a la dispersión de la luz, el desvanecimiento del color y la falta de características salientes. Además, sufren de ambigüedad de escala.
• Limitaciones del Sonar: Los sonares son robustos ante la turbidez y la iluminación, pero tienen baja resolución, campos de visión verticales restringidos y carecen de información de elevación (generan proyecciones 2D de espacios 3D), lo que dificulta la reconstrucción geométrica precisa.
• Fusión de Sensores: Integrar ambas modalidades es complejo debido a sus mecanismos de generación de imágenes fundamentalmente diferentes, lo que impide el uso de técnicas tradicionales de coincidencia de características (feature matching).

El objetivo de este trabajo es desarrollar un método de reconstrucción en tiempo real optimizado específicamente para aguas altamente turbias, donde las características visuales son inestables o inexistentes.

2. Metodología Propuesta

El enfoque propuesto es una fusión óptico-acústica que utiliza el sonar como base y la cámara para refinar la elevación, evitando la detección de puntos clave (point features) en la imagen visual. El pipeline se divide en cuatro etapas principales:

A. Segmentación de la Imagen Óptica

En lugar de buscar puntos de interés (que fallan en aguas turbias), el algoritmo detecta regiones de interés que corresponden a objetos:

1. Se aplica un filtro Gaussiano para reducir el ruido.
2. Se utiliza un filtro de umbral adaptativo para mejorar el contraste bajo iluminación no uniforme.
3. Se segmenta la imagen mediante el algoritmo de cuencas de agua (watershed).
4. Se filtran las regiones, manteniendo solo aquellas mayores a un umbral de píxeles ($T$) para eliminar ruido y partículas en suspensión.

B. Procesamiento del Sonar

El sonar de barrido frontal devuelve una matriz de intensidad 2D (alcance y acimut) sin información de elevación:

1. Se aplica un filtro SOCA-CFAR (Constant False Alarm Rate) para eliminar ecos secundarios y ruido.
2. Se retiene solo el retorno más cercano en cada ángulo de acimut, asumiendo que son las superficies de los objetos más próximos.
3. Los datos se agrupan utilizando DBSCAN (clustering espacial basado en densidad) para formar clusters de puntos en coordenadas polares $(r, \theta)$.

C. Proyección de Haz Sonar a Imagen

Debido a la ambigüedad de elevación del sonar, cada retorno de sonar se proyecta teóricamente a todos los ángulos de elevación posibles ($\phi \in [\phi_{max}, \phi_{min}]$).

• Esto genera un conjunto de puntos 3D potenciales que, al proyectarse en la imagen de la cámara, aparecen como líneas verticales debido a la calibración extrínseca fija entre sensores.

D. Coincidencia Sonar-Cámara y Reconstrucción 3D

1. Emparejamiento: Se superponen las regiones segmentadas de la imagen óptica con los clusters de sonar proyectados. Si una región óptica $R$ y un cluster de sonar $C$ se superponen ($C \cap R \neq \emptyset$), se asocian. Si hay múltiples superposiciones, se elige el cluster más cercano.
2. Expansión de FOV: Se expande verticalmente el campo de visión del sonar para coincidir con la forma de la región óptica.
3. Cálculo de Distancia y Elevación:
   • La distancia ($z_c$) se deriva del retorno original del sonar (promediando la distancia en la columna de superposición).
   • La elevación se determina a partir de la posición en la imagen de la cámara.
   • Se reconstruyen puntos 3D completos utilizando la distancia del sonar y la elevación de la cámara.

3. Contribuciones Clave

• Optimización para Aguas Turbias: Es el primer método de reconstrucción submarina que fusiona datos de sonar y cámara monocular específicamente diseñado para entornos donde las características visuales son poco fiables.
• Enfoque sin Características Puntuales: Elimina la dependencia de la detección de puntos salientes en imágenes ópticas, utilizando en su lugar la segmentación de regiones, lo que lo hace robusto ante el desenfoque y la distorsión de color.
• Reconstrucción en Tiempo Real y Monovista: El algoritmo opera en tiempo real y puede generar reconstrucciones desde una sola pose del robot, sin necesidad de movimiento o múltiples vistas (a diferencia de muchos métodos de SLAM o SfM).
• Código de Código Abierto: Se ha liberado el código para facilitar la reproducibilidad y la participación de la comunidad.

4. Resultados Experimentales

Los autores validaron el método mediante experimentos en tanque y pruebas de campo:

• Configuración: Se utilizó un ROV BlueROV2 equipado con un sonar de imagen Oculus M750d y una cámara de baja luminosidad.
• Simulación de Turbidez: Se emularon diferentes tipos de agua (Jerlov Type I a Type 9C) aplicando modelos de formación de imágenes submarinas a datos reales.
• Comparativas: Se comparó contra métodos de estado del arte: Stereo Sonar, ORBSLAM3, LSD SLAM y COLMAP.

Hallazgos Principales:

1. Robustez en Turbidez: A medida que aumentaba la turbidez (de Tipo I a Tipo 9C), los métodos basados puramente en visión (ORBSLAM3, LSD SLAM, COLMAP) fallaron completamente o mostraron un rendimiento muy pobre. El método propuesto mantuvo un rendimiento estable en todos los niveles.
2. Cobertura y Precisión: En pruebas de tanque (pilares y pared corrugada), el método propuesto logró una cobertura superior (medida en conteo de voxels) en aguas turbias en comparación con el sonar estéreo y los métodos visuales.
3. Pruebas de Campo: En un muelle real en King's Point, NY (aguas muy turbias), los métodos visuales no pudieron generar reconstrucciones. El método propuesto superó significativamente al sonar estéreo en cobertura, logrando reconstruir detalles finos como tuberías pequeñas y la geometría de una pared corrugada que el sonar por sí solo no pudo capturar debido a su baja resolución vertical.

5. Significado e Impacto

Este trabajo representa un avance significativo para la autonomía de los AUVs en entornos operativos reales (puertos, ríos, zonas costeras) donde la turbidez es la norma y no la excepción.

• Seguridad Operativa: Permite una mejor percepción de obstáculos cercanos y estructuras, crucial para tareas de manipulación y mantenimiento.
• Eficiencia: Al no requerir entrenamiento de redes neuronales (a diferencia de enfoques de aprendizaje profundo) ni movimientos complejos del robot, es una solución práctica y desplegable.
• Limitación: El método asume una distancia constante para los retornos de sonar en una columna de imagen, lo que podría limitar su efectividad en geometrías extremadamente complejas con secciones transversales variables rápidas, aunque funciona bien en estructuras hechas por el hombre.

En resumen, la propuesta demuestra que la fusión inteligente de la distancia acústica y la elevación óptica, sin depender de características visuales tradicionales, es la clave para la reconstrucción de escenas en las condiciones más desafiantes del océano.