一种适用于不同水质机载激光测深的深度学习方法
摘要
为提升机载测深激光雷达水深探测能力，提出了一种反演水深的深度学习方法。该方法先将雷达采集波形转换为图像，再使用深度学习模型对图像进行语义分割，从而实现水深反演。将雷达采集波形转换为图像的好处是：相较于单条波形处理，可以利用相邻帧的波形信息，有利于微弱海底信号的提取。在数据预处理方面，提出了一种快速消除不同水质回波差异的方法，使得模型训练集的构建简单，不需要考虑不同水质回波特性的差异。深度学习模型的整体结构为U-net，结合了道路线检测模型空间卷积神经网络（SCNN），提升了模型的语义分割能力。利用大洲岛、大埕湾、北礁三地采集的数据对该方法进行了验证，结果表明：模型适用于不同水质，具有良好的鲁棒性；相较于波形处理方法，该方法的水深提取的正确率平均提升了27%，大洲岛最大测量水深提升了3.2 m，大埕湾提升了1.6 m，北礁提升了6.0 m。
引用本文（GB/T 7714）
黄宜帆 Huang Yifan, 贺岩 He Yan, 朱小磊 Zhu Xiaolei, 等. 一种适用于不同水质机载激光测深的深度学习方法[J]. Chinese Journal of Lasers, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。