Page 51 - 《应用声学》2024年第1期
P. 51

第 43 卷 第 1 期                                                                       Vol. 43, No. 1
             2024 年 1 月                          Journal of Applied Acoustics                   January, 2024

             ⋄ 研究报告 ⋄



               点云投影结合轻量化卷积神经网络实现三维成像

                                          声呐快速目标分类                           ∗




                         任露露      1,2,3  尹 力    1,2   巩文静      1,2,3  李宝奇      1,2   黄海宁      1,2†


                                              (1 中国科学院声学研究所       北京   100190)
                                        (2 中国科学院先进水下信息技术重点实验室           北京   100190)
                                                (3 中国科学院大学      北京  100049)

                摘要：三维成像声呐的成像结果是三维点云，基于点云的三维成像声呐目标分类方法具有网络结构复杂、计算
                量大的特点。针对这一问题提出了一种将三维成像声呐成像结果从三维点云投影至二维图像的方法，并且使
                用轻量化卷积神经网络实现了三维成像声呐快速目标分类。该方法首先对三维成像声呐波束形成后的波束域
                数据进行最大值滤波和阈值滤波，以降低点云数据维度；接着，依据三维成像声呐的波束方向，将点云投影为
                深度图和强度图，分别保存点云的位置信息和强度信息；然后，利用深度图和强度图分别作为第一个通道和第
                二个通道构建混合通道图，将混合通道图作为目标分类网络的输入，从而将三维点云的目标分类问题转换为
                二维图像的目标分类问题；最后使用 MobileNetV2 网络实现了三维成像声呐快速目标分类。实验结果表明，提
                出的投影方法可以用二维图像分类网络完成三维成像声呐点云的目标分类任务；而且训练过程中混合通道图
                比单独的深度图和强度图收敛速度更快，结合目标分类网络可以实时进行目标分类，在真实数据集上分类正
                确率达到了 91.13%。
                关键词：三维成像声呐；波束形成；声呐图像处理；目标分类
                中图法分类号: TB566           文献标识码: A          文章编号: 1000-310X(2024)01-0047-11
                DOI: 10.11684/j.issn.1000-310X.2024.01.006


              Point cloud projection combined with lightweight convolutional neural network

                              realizes fast target classification of 3D imaging sonar


                     REN Lulu 1,2,3  YIN Li 1,2  GONG Wenjing  1,2,3  LI Baoqi 1,2  HUANG Haining 1,2
                               (1 Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China)

                (2 Key Laboratory of Science and Technology on Advanced Underwater Acoustic Signal Processing, Chinese Academy of
                                                 Sciences, Beijing 100190, China)
                                   (3 University of Chinese Academy of Sciences, Beijing 100049, China)

                 Abstract: The imaging result of the three-dimensional (3D) imaging sonar is a point cloud, and the network
                 of point cloud target recognition is characterized by complex network structure and large computation.
                 We propose a method to project the imaging result of three-dimensional imaging sonar from a point
                 cloud to an image, and use lightweight convolutional neural networks to achieve fast target classification for
                 three-dimensional imaging sonar. Firstly, the method performs maximum filtering and threshold filtering on the

             2022-08-10 收稿; 2023-05-16 定稿
             中国科学院国防科技重点实验室基金项目 (CXJJ-20S035)
             ∗
             作者简介: 任露露 (1996– ), 男, 山西晋城人, 博士研究生, 研究方向: 声呐信号处理。
              通信作者 E-mail: hhn@mail.ioa.ac.cn
             †
   46   47   48   49   50   51   52   53   54   55   56