用于侧扫声纳测量尺度自一致测深的神经从阴影恢复形状方法

侧扫声纳是一种小型且具有成本效益的传感解决方案，可以轻松安装在大多数船只上。从历史上看，它一直被用于生成高清晰度图像，专家可利用这些图像识别海底或水体中的目标。虽然已经提出了仅从侧扫声纳或与多波束声纳结合生成测深图的解决方案，但它们的影响力有限。这部分是因为它们大多局限于单条侧扫声纳线。在本文中，我们提出了一种现代的、可扩展的解决方案，用于从多条侧扫声纳线创建高质量的测量尺度测深图。通过结合同一地点的多次观测，由于估计结果相互增强，结果可以得到改善。我们的方法基于正弦表示网络，这是神经表示学习的最新进展。我们通过从大规模侧扫声纳测量中生成测深图来展示该方法的可扩展性。通过与使用高精度多波束传感器收集的数据进行比较，证明了所生成结果的质量。