EchoScan：利用声学回声扫描复杂房间几何结构

室内空间几何结构的准确估计对于构建精确的数字孪生至关重要，其广泛的工业应用包括陌生环境导航和高效疏散规划，尤其在低光照条件下。本研究介绍了 EchoScan，一种利用声学回声进行房间几何推断的深度神经网络模型。传统的基于声音的技术依赖于估计与几何相关的房间参数（如墙壁位置和房间尺寸），从而限制了可推断房间几何的多样性。相反，EchoScan 通过直接推断房间平面图与高度图克服了这一限制，使其能够处理具有复杂形状（包括曲面墙）的房间。用于预测平面图与高度图的分割任务使模型能够利用一阶及高阶反射。高阶反射的利用进一步使 EchoScan 能够在房间某些墙壁从音频设备位置不可见时推断复杂房间形状。在此，EchoScan 使用从复杂环境（包括曼哈顿和亚特兰大布局）合成的房间脉冲响应（RIR）进行训练和评估，并采用与商用现成设备兼容的实用音频设备配置。