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.pdfVIP

第43卷第1期Vol.43,No.1

2024年1月JournalofAppliedAcousticsJanuary,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123尹力12巩文静李宝奇黄海宁

(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

Pointcloudprojectioncombinedwithlightweightconvolutionalneuralnetwork

realizesfasttargetclassificationof3Dimagingsonar

RENLulu123YINLi12GONGWenjing123LIBaoqi12HUANGHaining12

(InstituteofAcoustics,ChineseAcademyofSciences,Beijing,China)

(KeyLaboratoryofScienceandTechnologyonAdvancedUnderwaterAcousticSignalProcessing,ChineseAcademyof

Sciences,Beijing,China)

(UniversityofChineseAcademyofSciences,Beijing,China)

Abstract:Theimagingresultofthethree-dimensional(3D)imagingsonarisapointcloud,andthenetwork

ofpointcloudtargetrecognitionischaracterizedbycomplexnetworkstructureandlargecomputatio