摘要
自主水下航行器（AUVs）依赖多种传感器——声学、惯性和视觉传感器——进行智能决策。由于视觉传感具有非侵入性、被动性和高信息含量的特点，因此在较浅水域中特别有吸引力。然而，光线折射和吸收、水中悬浮颗粒以及颜色失真等因素会影响视觉数据的质量，导致图像噪声大且扭曲严重。因此，依赖视觉传感的AUV在基于视觉的任务中面临诸多挑战，其性能表现往往较差。本文提出了一种利用生成对抗网络（GANs）改善水下视觉场景质量的方法，旨在提高自主管道下游基于视觉的行为的输入质量。此外，我们展示了最近提出的一些方法如何为这种水下图像恢复生成数据集。对于任何依靠视觉引导的水下机器人而言，这一改进可以通过增强视觉感知能力来提高安全性和可靠性。为此，我们提供了定量和定性的数据，证明了通过所提出的 方法校正的图像不仅更具视觉吸引力，而且还能为潜水员跟踪算法提供更高的精度。