【技术实现步骤摘要】
本专利技术属于三维声呐，具体涉及一种基于深度学习的多波束前视三维声纳数据压缩方法和系统。
技术介绍
1、在海洋探测的广阔领域中，多波束前视三维声呐技术的崛起标志着水下探测技术的一次重大飞跃。这项技术不仅极大地拓宽了人类对海洋未知世界的认知边界，还在多个关键领域如水下地形测绘、海洋环境监测、以及海底资源勘探中发挥着不可替代的作用。随着科技的进步和需求的日益增长，多波束前视三维声呐系统正逐步向更高精度、更快响应、更强实时性的方向发展，这离不开对海量声呐数据的有效处理与高效传输。
2、多波束前视三维声呐系统通常分为两个主要模块，分别是采集并处理声呐数据的下位机和显示声呐数据的上位机，二者间通过网线或者是无线网络进行交互。相较于传统测扫式声呐，多波束前视三维声呐能够提供实时性更强的数据，基本能实现每秒一帧及以上的扫描速率，不需要拼接线束图像的等待延时。同时，相较于多波束二维前视声呐，多波束三维前视声呐需要探测的数据会增加一个维度，能够提供高分辨率的三维建模数据，比二维平面数据更加清晰直观。然而，随之而来的庞大数据量对计算和传输能力提...
【技术保护点】
1.一种基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，包括：三维声呐数据压缩下位机平台和三维声呐数据解压上位机平台；
2.根据权利要求1所述的基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，获取的三维声呐数据为三维点云的形式，在输入第一深度学习网络进行降采样前，首先对三维点云进行反射强度归一化，然后对归一化后的三维点云进行分块操作得到点云块。
3.根据权利要求2所述的基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，在第一深度学习网络中进行降采样时，首先对点云块进行最远点采样得到保留点和删除点，然后使用第一MLP层...
【技术特征摘要】
1.一种基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，包括：三维声呐数据压缩下位机平台和三维声呐数据解压上位机平台；
2.根据权利要求1所述的基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，获取的三维声呐数据为三维点云的形式，在输入第一深度学习网络进行降采样前，首先对三维点云进行反射强度归一化，然后对归一化后的三维点云进行分块操作得到点云块。
3.根据权利要求2所述的基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，在第一深度学习网络中进行降采样时，首先对点云块进行最远点采样得到保留点和删除点，然后使用第一mlp层、第一attention层和第一point transformer层分别提取删除点的特征后进行融合得到删除点的聚合信息，将删除点的聚合信息和保留点构建为压缩后的三维声呐数据。
4.根据权利要求3所述的基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，将压缩后的三维声呐数据构建为用于传输的数据帧，数据帧的格式包括帧号、当前帧的反射强度最大值、当前帧的反射强度最小值和压缩后的三维声呐数据。
5.根据权利要求4所述的基于深度学习的多波束前视三维声纳数据压缩系统，其特征在于，三维声呐数据压缩下位机平台和三维声呐数据解压上位机平台之间通过udp协议进行数据帧的传输，在进行传输前，将数据帧切分为udp协议的网络数据包，之后将网络数据包发送到三维声呐数据解压上位机平台，三维声呐数据解压上位...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。