StreakNet-Arch:一种基于反散射网络的架构,用于水下航母LiDAR-雷达成像

科学领域:

• 光子学和光学工程的工程.
• 机器人和自动化 机器人和自动化
• 海洋技术 海洋技术

背景情况:

• 水下成像面临着分散的挑战,限制深度和范围.
• 现有的分散抑制方法通常是计算密集的或不太有效的.
• 在水下环境中实时采集3D数据对于各种应用至关重要.

研究的目的:

• 介绍StreakNet-Arch,这是一个端到端的框架,用于实时水下3D成像.
• 使用自我注意力和双分支交叉注意力 (DBC-Attention) 增强散射抑制.
• 验证水下航母立达雷达 (UCLR) 系统的性能和效率.

主要方法:

• 开发了StreakNet-Arch,这是一个二进制分类框架,集成了自我注意和DBC注意.
• 使用自主开发的水下航母激光雷达 (UCLR) 系统.
• 在南中国海进行了受控的水箱实验和现实世界的试验.

主要成果:

• 与传统的带通过和MP网络相比,StreakNet-Arch表现出优越的散射抑制.
• 在类似的模型复杂度下,获得的F1得分高于CNN.
• 实时基准测试显示,平均成像时间 (54-84毫秒) 保持不变,性能优于传统方法.
• 验证了南中国海的UCLR系统,在1000米深度和20米范围内有46毫米的误差.

结论:

• StreakNet-Arch为实时水下3D成像提供了一个强大而高效的解决方案.
• 新的注意力机制显著改善了散射抑制.
• 在具有挑战性的海洋环境中,UCLR系统证明了其实用性和高精度.