基于三维点云的水下声纳图像目标分类方法研究

陈国军; 张志春; 陈梦醒; 陈巍; 赵远飞; 镡志伟

doi:10.13960/j.issn.1672-2558.2024.03.002

南京工程学院学报（自然科学版） ›› 2024, Vol. 22 ›› Issue (3) : 11 -17. DOI: 10.13960/j.issn.1672-2558.2024.03.002

基于三维点云的水下声纳图像目标分类方法研究

陈国军, 张志春, 陈梦醒, 陈巍, 赵远飞, 镡志伟

作者信息 +

Author information +

文章历史 +

摘要

针对二维声纳图像识别存在视角影响大、训练数据获取困难等问题，本文提出一种基于前向扫描声纳的三维点云构建和深度学习算法的目标分类方法.通过从自主水下航行器采集的声纳图像中提取高光信息生成水下物体的三维点云，利用深度神经网络对目标进行准确分类，借助连续声纳图像还原仰角信息，实现对相似物体的区分.通过合成训练数据集，减少水下试验次数，降低试验成本.结果表明，该方法在仿真和现场试验中均表现出较高的分类准确度，验证了其在实际应用中的有效性和可行性.