基于稀疏点云生成与自动目标检测的高时效低成本测深制图系统

从含噪声纳测量生成三维点云（PC）数据是一个具有潜在应用价值的问题，可用于测深制图、人工目标检测、水生植物与动物制图，以及潜艇等载具的水下导航与定位。侧扫声纳传感器价格低廉，尤其在鱼探仪中，其换能器通常安装于船底，比搭载于无人水下航行器（UUV）的换能器能接近更浅的深度。然而，由于侧扫声纳图像信噪比低且缺失角度与深度信息，从中提取三维信息十分困难。由于多数从侧扫声纳图像生成三维点云的算法使用由阴影恢复形状（SFS）技术，当海床平滑、深度缓慢变化或无可辨识物体以产生声学阴影时，提取三维信息尤为困难。本文提出一种高效算法，从侧扫声纳图像生成稀疏三维点云。该计算通过利用首次声纳回波的几何关系，结合每个数据点由 GPS 与下扫声纳深度测量提供的已知位置，以计算高效的方式完成。此外，本文实现了另一种算法，使用卷积神经网络（CNN）进行迁移学习，对实际采集与仿真生成的侧扫声纳图像执行目标检测。该算法在真实与合成图像上均进行了测试，显示出合理的异常检测与分类精度。