CN113030984B - 一种应用于多波束声呐目标识别的3d图像重构方法 - Google Patents
一种应用于多波束声呐目标识别的3d图像重构方法 Download PDFInfo
- Publication number
- CN113030984B CN113030984B CN202110248796.2A CN202110248796A CN113030984B CN 113030984 B CN113030984 B CN 113030984B CN 202110248796 A CN202110248796 A CN 202110248796A CN 113030984 B CN113030984 B CN 113030984B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- depth
- resolution
- angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Acoustics & Sound (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种应用于多波束声呐目标识别的3D图像重构方法,涉及多波束声呐目标识别技术领域。通过对原始测试数据进行滑动滤波,滤除旁瓣干扰,提高数据信息的有效性;再结合深度、航速、发射脉冲长度及底部地形预估对数据进行修正,同时考虑相邻ping之间的关系,得到原始测试数据对应信号点附近的相关数据,再次进行滤波后,可得到原始数据对应信号点及其附近的点即得到连续的信号点,拟合后得到信号强度函数,再结合密度和深度,即可在原来离散信号点上进行插值填充,得到连续化的各信号点,再绘制3D图像,此时的图像相对离散信号点构建的图像更加平滑和完整,目标特征也更加明显,对于多波束的水下探测也更加有指导意义。
Description
技术领域
本发明涉及多波束声呐目标识别技术领域,具体涉及一种应用于多波束声呐目标识别的3D图像重构方法。
背景技术
现有多波束声呐在作业时,能一次给出与航迹相垂直的几十个甚至上百个被测点的水深值,再根据声束剖面图、瀑布图与3D点云图可以得到水底地形图,从而得到水底地形变化或者搜索可疑目标物。但波束反射回来的信号点数量是有限的,得到的点云图是离散的,使得得到的图像并不能完全真实的反应水下情形,通常还要依赖于操作人员的经验来进行判断,容易造成漏判误判。为提高图像的完整性,需要对原始数据进行处理,比如会通过读取声呐传送回来的数据包,利用后处理软件对图像进行填充和处理,这样的处理方式需要花费大量的时间,且存在严重的滞后性,在实际应用中可以用作参考但是实用性不强。
发明内容
本发明的目的在于提供一种应用于多波束声呐目标识别的3D图像重构方法,解决现有多波束声呐图像处理不及时的问题。
为解决上述的技术问题,本发明采用以下技术方案:一种应用于多波束声呐目标识别的3D图像重构方法,其特征在于包括如下步骤:
(1)根据多波束工作原理,可计算不同水深下,不同发射波束角度、接收波角度下波束的分辨率,生成分辨率识别矩阵库,并存储待后续调用;
(2)根据水深与分辨率识别矩阵库,对接收到的测试数据进行动态的滑动滤波,滤除水柱影像中的旁瓣干扰;
(3)对滤波后的测试数据进行修正,以测试数据对应的深度和角度为索引,在分辨率识别矩阵库中进行查找,得到当前深度和角度对应的分辨率矩阵,再使用深度、航速、发射脉冲长度对分辨率矩阵进行修正,得到修正后的新模型;
(4)由于目标在水中体积的连续性、多波束系统载体移动速度有限,使得目标在水中具有连续性,因此水中目标会被多波束系统多ping照射到,根据ping数据的先后次序、相邻ping之间的位置、时间关系、数据的空间关系,利用相邻ping数据关联性,计算生成一个目标强度数据库;
(5)通过数据之间的深度差、方差、标准差获取测试数据中目标信号附近的相关数据,具体地,在步骤(4)得到的目标强度数据库中,查找目标强度数据库内数据的深度变化范围(多波束以及得到有效底,即已经知道标准深度),对应得到目标数据库内各个数据的深度差,在得到深度差之后,即可滤除掉一些无效数据缩小有效数据范围,在经过上述步骤之后,进一步计算剩余数据与底部数据(有效测深数据)的方差、标准差,进一步得到优化后目标数据;
(6)根据步骤(5)得到的目标数据,分析目标数据深度方向变化趋势、数据在沿航迹、垂直航迹方向的变化趋势,选择插值函数,进行插值填充增强目标数据,根据多波束系统的原理,波束照射到目标之后得到目标数据,直接与多波束系统载体航速、波束照射角度、ping率、深度等有关,因此根据本步骤开始得到的目标在深度方向变化趋势、在沿航迹方向、垂直航迹变化趋势,选择合适的插值函数,构造生成在深度、平行航迹、垂直航迹方向的目标数据;
(7)根据连续信号点进行点云绘制拼接,绘制出目标信号的3D模型。
更进一步的技术方案是所述步骤(1)中波束分辨率Br(H,θ)={Lrθ,Wrθ,Rrθ},其中H是深度,θ是波束角度,Lrθ为在一定角度下系统平行于航迹方向的长度分辨率,Wrθ为在一定角度下系统垂直于航迹方向的宽度分辨率,Rrθ为在一定角度下系统的距离分辨率;
分辨率识别矩阵具体为
上式中k代表的多波束声呐所实用的深度值序号,例如多波束系统最深可应用水深范围为300米,那么可以1米深度变化为依据,k的取值为1-300;n代表多波束系统对应某一个波束的波束角度,例如多波束系统的波束数量为501,那么θ500代表的是系统的第501个波束的波束角度。多波束系统的架构确定之后,上述分辨率识别矩阵即可通过计算得到,因此分辨率识别矩阵为已知数据,可以提前计算好存储与程序之中,通过查表即可得到。
更进一步的技术方案是多波束系统干扰源主要来源为旁瓣干扰,或者不合适的底检测算法导致,干扰主存在规律,主要与距离设置门限B、角度α有关,当前水深H,因此所述步骤(2)中的滑动滤波函数具体为W(α,B,H),其中,其中W代表函数,α为设置多波束系统开角范围,B是距离设置门限,H是当前水深。α与H为已知量,B是设置门限范围,假设设置门限范围是0-30米,那么算法将对单ping数据内,0-30米水深范围能符合深度、角度变化规律的数据进行滤除;如果设置门限范围是100-120米,那么算法将对单ping数据内,100-120米水深范围能符合深度、角度变化规律的数据进行滤除,B的选择主要是用户根据实测时水深、系统表现效果选择。
更进一步的技术方案是所述步骤(3)中修正后的新模型具体为,
其中,v为载体航速即声呐头航速,τ为声呐发射脉冲长度,e为底部深度设置的范围偏差,例如理论深度为50米,那么e可设置0.02,代表深度偏差为1米,C代表分辨率模型修正后的系数,k代表的多波束声呐所实用的深度值序号,例如多波束系统最深可应用水深范围为300米,那么可以1米深度变化为依据,k的取值为1-300。上式中n代表多波束系统对应某一个波束的波束角度,例如多波束系统的波束数量为501,那么θ500代表的是系统的第501个波束的波束角度。
更进一步的技术方案是所述步骤(4)中最后得到目标强度数据库具体为一个非规则矩阵:
TargetData=|Ping x0 Ping x1……Ping xn|
Ping xn代表某一ping中得到的目标有效数据,X代表某一ping,n代表整个目标数据持续了n个ping,或者说目标被n个多波束ping照射到。
更进一步的技术方案是所述步骤(6)中对目标数据进行插值填充,插值方法包括邻点插值方法、线性内插方法、三角线性插值方法。
工作原理:
根据多波束系统的原理,多波束系统的分辨率包括距离分辨率、角度分辨率,距离分辨率主要由系统使用脉冲长度τ决定;角度分辨率主要是指系统的角度包括沿航迹方向的角度、平行航迹方向角度,这两个角度、距离、波束导向角决定了系统在不同角度下沿航迹方向的长度分辨率、平行航迹方向的长度分辨率。因此可以根据多波束模型生产不同水深状况下的分辨率模型,同时多波束系统安装载体的运动速度即多波束声呐的运动速度也决定了同一目标在水中被多波束系统ping照射到次数。由于多波束系统得到的数据比较容易受到干扰,因此需要实时对测试数据进行滤波,滤除干扰,避免对干扰对后续目标识别造成影响。在滤除干扰之后,由于多波束系统的测试效果直接与系统参数相关,同时由于多波束系统水深变化较大,系统存储的分辨率模型只考虑存储整深水深值不可能对所有水深都设计分辨率模型,因此对模型修正时同样需要考虑深度修正,因此需要对得到的目标数据进行深度修正;同时也要使用载体速度、脉冲等对测试数据进行实时修正。
多波束声呐探测得到的原始目标数据,由于水体中目标相比底部、水体是不一致的,将造成ping照射到目标之后在强度或者深度方面形成明显的目标信号点,同时在一定时间、空间范围内照射到目标ping是连续的,这样只要分析不同ping内数据的相关性、连续性,即可得到一定空间范围内的单一目标数据库,完成之后对目标数据进行处理、修正,然后选择合适插值函数对目标数据进行插值,最后根据数据在深度、平行航迹、垂直航迹变化方向目标数据的变化趋势,选择合适的插值算法生成新的目标数据,最后将经过处理插值后的数据用于进行点云展示与3D重构,最终得到目标特征(包括目标姿态(沉底、悬浮、插入底部)、目标形状,目标大小等),经过处理之后得到的目标数据特征明显,图像更加平滑、美观。
与现有技术相比,本发明的有益效果是:通过对原始测试数据进行滑动滤波,滤除旁瓣干扰,提高数据信息的有效性;再结合深度、航速、发射脉冲长度及底部地形预估对数据进行修正,同时考虑相邻ping之间的关系,得到原始测试数据对应信号点附近的相关数据,再次进行滤波后,可得到原始数据对应信号点及其附近的点即得到连续的信号点,拟合后得到信号强度函数,再结合密度和深度,即可在原来离散信号点上进行插值填充,得到连续化的各信号点,再绘制3D图像,此时的图像相对离散信号点构建的图像更加平滑和完整,目标特征也更加明显,对于多波束的水下探测也更加有指导意义。
附图说明
图1为本发明的流程图。
图2为未经过滤波的原始目标数据。
图3为经过本发明步骤2的滤波处理后的图像。
图4为经过本发明中所述方法处理后的最终图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
步骤1:根据多波束工作原理,可计算不同水深下,不同发射波束角度、接收波角度下波束的分辨率,生成分辨率识别矩阵库,并存储待后续调用。理论上在深度H,角度为θ角度下的波束分辨率为:Br(H,θ)={Lrθ,Wrθ,Rrθ},Lrθ为在一定角度下系统平行于航迹方向的长度分辨率,Wrθ为在一定角度下系统垂直于航迹方向的宽度分辨率,Rrθ为在一定角度下系统的距离分辨率。
通过这个矩阵可以根据多波束声呐设计应用的水深范围,角度范围生成分辨率识别矩阵库:
上式中k代表的多波束声呐所实用的深度值序号,例如多波束系统最深可应用水深范围为300米,那么可以1米深度变化为依据,k的取值为1-300。
上式中n代表多波束系统对应某一个波束的波束角度,例如多波束系统的波束数量为501,那么θ500代表的是系统的第501个波束的波束角度。
多波束系统的架构确定之后,上述分辨率识别矩阵即可通过计算得到,因此分辨率识别矩阵为已知数据,可以提前计算好存储与程序之中,通过查表即可得到。
步骤2:根据分别率模型,对多波束声呐测试数据得到的目标强点进行动态的滑动滤波,滤除水柱影像中的旁瓣的干扰;多波束系统干扰源主要来源为旁瓣干扰,或者不合适的底检测算法导致,干扰存在规律,主要与距离设置门限B、角度α有关,当前水深H,因此使用的滑动滤波函数具体为W(α,B,H),其中W代表函数,α为设置多波束系统开角范围,B是距离设置门限,H是当前水深。α与H为已知量,B是设置门限范围,假设设置门限范围是0-30米,那么算法将对单ping数据内,0-30米水深范围能符合深度、角度变化规律的数据进行滤除;如果设置门限范围是100-120米,那么算法将对单ping数据内,100-120米水深范围能符合深度、角度变化规律的数据进行滤除,B的选择主要是用户根据实测时水深、系统表现效果选择。
步骤3:在滤除了旁瓣干扰之后,可以排除绝大部分旁瓣杂波的干扰,因此可以对滤波后的测试数据进行修正,以测试数据对应的深度和角度为索引,在分辨率识别矩阵库中进行查找,得到当前深度和角度对应的分辨率矩阵,再使用深度、航速、发射脉冲长度对分辨率矩阵进行修正,得到修正后的新模型。如下文:
其中,v为载体航速即声呐头航速,τ为声呐发射脉冲长度,e为底部深度设置的范围偏差,例如理论深度为50米,那么e可设置0.02,代表深度偏差为1米,C代表分辨率模型修正后的系数,上式中k代表的多波束声呐所实用的深度值序号,例如多波束系统最深可应用水深范围为300米,那么可以1米深度变化为依据,k的取值为1-300。
上式中n代表多波束系统对应某一个波束的波束角度,例如多波束系统的波束数量为501,那么θ500代表的是系统的第501个波束的波束角度。
本模型为分辨率模型衍生出来的,可以预先计算好存储,待使用时直接查表即可。
步骤4:根据ping数据的先后次序、相邻ping之间的位置、时间关系、数据的空间关系,利用相邻ping数据关联性,计算生成一个目标强度数据库。由于水体中目标非规则,因此多波束系统扫测后得到的每一ping有效目标数据是大小是不一样的,最后得到目标强度数据库具体为一个非规则矩阵:
TargetData=|Ping x0 Ping x1……Ping xn|
Ping xn代表某一ping中得到的目标有效数据。X代表某一ping,n代表整个目标数据持续了n个ping,或者说目标被n个多波束ping照射到。
步骤5:通过数据之间的深度差、方差、标准差获取测试数据中目标信号附近的相关数据,划定依据如下,根据在步骤4中得到的目标强度数据库中,查找目标强度数据库内数据的深度变化范围(多波束以及得到有效底,即已经知道标准深度),然后即可得到目标数据库内各个数据的深度差(得到深度差过程中需要进行统计,防止随机、零散的跳变点造成干扰),在得到深度差之后,即可滤除掉一些无效数据缩小有效数据范围,在经过上述步骤之后,进一步计算剩余数据与底部数据的方差、标准差,进一步得到目标数据。
步骤6:根据上一步骤得到的目标数据,分析目标数据深度方向变化趋势、数据在沿航迹、垂直航迹方向的变化趋势,选择插值函数,进行插值填充增强目标数据,根据多波束系统的原理,波束照射到目标之后得到目标数据,直接与多波束系统载体航速、波束照射角度、pi ng率、深度等有关,因此根据本步骤开始得到的目标在深度方向变化趋势、在沿航迹方向、垂直航迹变化趋势,选择合适的插值函数,构造生成在深度、平行航迹、垂直航迹方向的目标数据。
步骤7:根据插值结果进行点云绘制与拼接;通过强度信息、深度信息、连续性信息得到目标的分别与识别,绘制目标的3D模型。通过该种方法可以有效的实现多波束探测目标的3D重构。
下面使用多波束声呐扫测某一个插入到水下的钢架基桩的多波束扫测图像进行说明,所述基桩入水深度为17米左右,多波束系统波束开角为120°,多波束声呐系统的开角为120°,角度分辨率为0.1°*0.39°,系统最右距离分辨率为2.5cm,系统波束数量为1200个,分辨率模型按照0.5米深度变化取值计算保存,得到该多波束系统的分辨率模型。
未经滤波得到的原始图像如图2所示,经步骤2所述的方法滤波处理后的图像如图3所示,经过滤波处理后可以明显看到数据干扰减少,数据被压缩,但是数据量少,无法看到基桩的大概形状,只能看到一些离散的点。
多波束系统测试数据图测试时使用航速范围为2节。系统测试时设计最大距离为300米,系统发射脉冲长度为8个脉冲长度周期,多波束系统开角范围设置为100°,底部偏差范围取值e取值为0.02,那么分辨率修正矩阵为T(1.028,0.033,0.02)为60行1000列的矩阵。
系统采集的目标数据持续ping数为82ping,截取到的目标数据库为82列的复合非规则矩阵,并进一步计算得到目标数据,选择插值算法插值、根据数据变化选择图像插值算法(插值算法包括邻点插值、线性内插、三角线性插值)插值之后图像如图4所示,经过处理之后可以明显的看到基桩的姿态为直接插入到底部,基桩为多根钢材构成,数据量也明显的增加,图像更为具体完整。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开、附图和权利要求的范围内,可以对组成部件或布局进行多种变形和改进。除了对组成部件或布局进行的变形和改进外,对于本领域技术人员来说,其他的用途也将是明显的。
Claims (6)
1.一种应用于多波束声呐目标识别的3D图像重构方法,其特征在于包括如下步骤:
(1)根据多波束工作原理,可计算不同水深下,不同发射波束角度、接收波角度下波束的分辨率,生成分辨率识别矩阵库,并存储待后续调用;
(2)根据水深与分辨率识别矩阵库,对接收到的测试数据进行动态的滑动滤波,滤除水柱影像中的旁瓣干扰;
(3)对滤波后的测试数据进行修正,以测试数据对应的深度和角度为索引,在分辨率识别矩阵库中进行查找,得到当前深度和角度对应的分辨率矩阵,再使用深度、航速、发射脉冲长度对分辨率矩阵进行修正,得到修正后的新模型;
(4)根据目标在水中的连续性,水中目标会被多波束系统多ping照射到,根据ping数据的先后次序、相邻ping之间的位置、时间关系、数据的空间关系,利用相邻ping数据关联性,计算生成一个目标强度数据库;
(5)通过数据之间的深度差、方差、标准差获取测试数据中目标信号附近的相关数据,具体地,在步骤(4)得到的目标强度数据库中,查找目标强度数据库内数据的深度变化范围,对应得到目标数据库内各个数据的深度差,在得到深度差之后,即可滤除掉一些无效数据缩小有效数据范围,在经过上述步骤之后,进一步计算剩余数据与有效测深数据的方差、标准差,进一步得到目标数据;
(6)根据步骤(5)得到的目标数据,分析目标数据深度方向变化趋势、数据在沿航迹、垂直航迹方向的变化趋势,选择插值函数,进行插值填充增强目标数据,构造生成在深度、平行航迹、垂直航迹方向的目标数据;
(7)根据连续信号点进行点云绘制拼接,绘制出目标信号的3D模型。
3.根据权利要求1所述的一种应用于多波束声呐目标识别的3D图像重构方法,其特征在于:所述步骤(2)中的滑动滤波的函数具体为W(α,B,H),其中,其中W代表函数,α为设置多波束系统开角范围,B是距离设置门限,H是当前水深。
6.根据权利要求1所述的一种应用于多波束声呐目标识别的3D图像重构方法,其特征在于:所述步骤(6)中进行插值填充增强目标数据,插值方法包括邻点插值方法、线性内插方法、三角线性插值方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110248796.2A CN113030984B (zh) | 2021-03-08 | 2021-03-08 | 一种应用于多波束声呐目标识别的3d图像重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110248796.2A CN113030984B (zh) | 2021-03-08 | 2021-03-08 | 一种应用于多波束声呐目标识别的3d图像重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030984A CN113030984A (zh) | 2021-06-25 |
CN113030984B true CN113030984B (zh) | 2023-05-30 |
Family
ID=76466896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110248796.2A Active CN113030984B (zh) | 2021-03-08 | 2021-03-08 | 一种应用于多波束声呐目标识别的3d图像重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030984B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087357A (zh) * | 2010-12-18 | 2011-06-08 | 浙江大学 | 传感器阵列回波方向估计及多波束回波测深底检测方法 |
CN102901985A (zh) * | 2011-07-25 | 2013-01-30 | 中国石油化工股份有限公司 | 一种适用于起伏地表的深度域层速度修正方法 |
CN109544691A (zh) * | 2018-11-05 | 2019-03-29 | 国家海洋局第二海洋研究所 | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 |
CN109765562A (zh) * | 2018-12-10 | 2019-05-17 | 中国科学院声学研究所 | 一种三维前视声像声纳系统和方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6700832B2 (en) * | 2002-06-18 | 2004-03-02 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for passive acoustic imaging using a horizontal line array |
JP2004141514A (ja) * | 2002-10-28 | 2004-05-20 | Toshiba Corp | 画像処理装置及び超音波診断装置 |
DE102005061149B4 (de) * | 2005-12-21 | 2007-12-13 | Atlas Elektronik Gmbh | Verfahren zum Erzeugen eines Sonarbildes |
CN101187579A (zh) * | 2007-12-18 | 2008-05-28 | 哈尔滨工程大学 | 多波束海底测量隧道效应消除方法 |
EP3449280B1 (en) * | 2016-04-29 | 2022-10-26 | R2Sonic, LLC | Sonar data compression |
CN206546434U (zh) * | 2016-08-29 | 2017-10-10 | 苏州探海海洋科技有限责任公司 | 一种水下多维声学成像系统 |
CN109283536B (zh) * | 2018-09-01 | 2023-02-14 | 哈尔滨工程大学 | 一种多波束测深声呐水体成像波束形成方法 |
CN112187315B (zh) * | 2020-08-25 | 2021-11-09 | 南京理工大学 | 一种大规模扩频通信数字阵列同时多用户快速角度估计方法及系统 |
-
2021
- 2021-03-08 CN CN202110248796.2A patent/CN113030984B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087357A (zh) * | 2010-12-18 | 2011-06-08 | 浙江大学 | 传感器阵列回波方向估计及多波束回波测深底检测方法 |
CN102901985A (zh) * | 2011-07-25 | 2013-01-30 | 中国石油化工股份有限公司 | 一种适用于起伏地表的深度域层速度修正方法 |
CN109544691A (zh) * | 2018-11-05 | 2019-03-29 | 国家海洋局第二海洋研究所 | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 |
CN109765562A (zh) * | 2018-12-10 | 2019-05-17 | 中国科学院声学研究所 | 一种三维前视声像声纳系统和方法 |
Non-Patent Citations (1)
Title |
---|
浅谈多波束测深系统的主要误差来源及影响因素;陈志勇;中国水运.航道科技(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113030984A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schneider | Developments in seismic data processing and analysis (1968–1970) | |
US8385603B2 (en) | Method for hierarchical determination of coherent events in a seismic image | |
EP3078991B1 (en) | Method for swell effect and mis-tie correction in high-resolution seismic data using multi-beam echo sounder data | |
CN109308713B (zh) | 一种基于前视声纳的改进核相关滤波水下目标跟踪方法 | |
CN107766818B (zh) | 一种启发式的水下结构化环境线特征提取方法 | |
GB2505966A (en) | Target recognition in sonar imaging using test objects | |
CN114638830B (zh) | 隧道钢筋识别模型的训练方法及隧道钢筋识别方法 | |
CA2412995C (en) | Seismic survey system | |
Li et al. | Automatic detection of pipelines from sub-bottom profiler sonar images | |
CN113030984B (zh) | 一种应用于多波束声呐目标识别的3d图像重构方法 | |
US20100226209A1 (en) | Fish Finder | |
Del Rio Vera et al. | Automatic target recognition in synthetic aperture sonar images based on geometrical feature extraction | |
CN106918809B (zh) | 快速干涉合成孔径声纳原始回波时域仿真方法 | |
Lu et al. | Research on rainfall identification based on the echo differential value from X-band navigation radar image | |
CN114265118A (zh) | 一种用于海上随钻声波测井时差提取方法、装置及系统 | |
Neettiyath et al. | Identification of manganese crusts in 3D visual reconstructions to filter geo-registered acoustic sub-surface measurements | |
Sjödin | Interpolation and visualization of sparse GPR data | |
CN111723797A (zh) | 一种确定三维目标的包围框的方法及系统 | |
Trucco et al. | Extraction of 3D information from sonar image sequences | |
Coiras et al. | An expectation-maximization framework for the estimation of bathymetry from side-scan sonar images | |
Maurya et al. | Projection-based spatial morphology for extracting ridge and valley profiles of mountains from 3D amorphous data | |
CN113419243B (zh) | 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质 | |
Cobra | Estimation and correction of geometric distortions in side-scan sonar images | |
CN112698394B (zh) | 二维观测系统设计面元尺寸的确定方法及装置 | |
Ji | Multi-Resolution Inference of Bathymetry From Sidescan Sonar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |