科技杂谈▏阳明：3D侧扫图像的含义及实现

标准的侧扫声呐从设备到应用业界都非常熟悉。那什么是3D侧扫呢？如果要找寻3D侧扫声呐设备，现在市场上还真没有，但是如果要看看3D侧扫声呐图像，倒是有出处。

事情要从激光雷达+影像说起。

⒈LiDAR（机载激光雷达、机载激光测深ALB）可以快速准确地直接获取目标物的三维高精度坐标、高程、坡度点云，不受光照影响；穿透浅水、植被，得到真实地形。但其短板也明显：只有三维坐标，缺少纹理与光谱信息，难以区分是什么物体——比如高程接近的礁石和人工构筑物，仅凭点云很难判读类型。

⒉影像（光学影像）优势：包含纹理、灰度/色彩、地物特征、材质/底质信息，易于识别目标、判读边界；其短板：缺少真实三维高程，是透视/斜距投影的二维平面，容易受阴影、畸变影响，无法直接得到地形起伏、目标高度；坡度大区域会发生投影变形等等。

⒊影像与激光雷达数据融合的核心意义

让激光雷达进入实际应用的关键是影像与激光雷达数据融合，它带来的优点有：

⊙几何+语义互补，提升目标解译能力

⊙LiDAR点云给出目标三维形态、高度、体积、空间位置；

⊙影像给出纹理、灰度特征、材质信息；

⊙融合后：不仅知道这里凸起多高，还能从影像纹理判断是什么材质。

图1 建筑照片

图2 建筑激光扫描点云，结构清晰可见，但无任何材质信息

图3 图1与图2融合后的建筑3维模型

在水下，多波束以及更高级的点云声呐也可以提供高密度的目标3维坐标数据，而侧扫声呐则类似于照相机，可以提供海底高分辨率的影像。它们各自对水下目标建模任务的作用或优缺点完全类似于前述的“影像和激光雷达”。那如果将侧扫图像与坐标点云融合起来，会是什么效果呢？

不难想象，如果将侧扫声呐影像（影像类）与多波束点云（等效LiDAR三维数据）融合，好处至少包括：

⊙区分地形引起的声影和真实低回波底质：侧扫暗区不一定是软泥，很多是陡坡声影，有水深高程就能直接判断；

⊙对小型水下目标：水深数据捕获目标高程轮廓，侧扫图像看清目标表面纹理；

⊙底质自动分类：联合高程粗糙度+侧扫反向散射强度，比单一数据源分类精细度更高；

⊙成果可视化：把侧扫图像作为纹理映射到测深点云三维地形上，生成海底三维实景纹理模型。

要将相机影像与激光雷达数据融合不是一件简单的事，需要一整套复杂算法和流程，如需要精确外方位、统一坐标基准、严密配准等等。

同样的，要将一般的侧扫图像与地形点云数据融合，也不是一件容易的事。不同源的侧扫声呐设备和多波束设备可以分别地提供高分辨率的影像和地形数据。但侧扫不是普通正射影像，它是斜距成像、拖体动态运动，图像畸变是非线性的；而地形数据是三维地形真值，二者成像几何原理完全不一样，配准不是简单平移缩放。

另外，现在的多波束设备，都同时附带了侧扫声呐功能，可以同源提供侧扫或“小片（Snippet）”数据。但是，这种数据的分辨率与独立的侧扫声呐数据差距甚大。

PING 3D声呐采用与一般多波束完全不同的算法，可以直接在水体全空间同中，同源生成高密度目标位置点云及其回波强度。也就是说，PING 3D声呐可以输出4维数据：（X，Y，Z，I）。I是目标物的回波强度。注意它是物体在每个3维点上的回波强度，而侧扫声呐记录的是目标物体斜距投影到二维平面上的回波强度。

若将PING 3D测得的（X，Y，Z，I）点云数据，按回波强度值进行渲染作图，就可以直接得到一幅相当于侧扫声呐影像与地形点云完全融合的图像。

这个图像以前没人见过，我们称之为“3D 侧扫图像”。

图1 左边是一段水下石崖的水深点云图，右侧是其2D侧扫图像。

图2 右边是按回波强度渲染的石崖，我们称之为3D侧扫图像

对比图1，图2，显然3D侧扫图像比单一的地形点云或侧扫图像更好看，信息更丰富，雅俗共赏。

下面是另一个实例。

图3 按水深值渲染的点云地形图

图4 按回波强度值渲染的点云地形图即所谓的3D侧扫图像

对比图3和图4，显见3D侧扫图像显示的分辨率更高。

根据PING 3D点云扫描声呐采集的水下全空间4维数据（X,Y,Z,I）,如果按水深值渲染可获得常规的高分辨率水下地形图；而如果按照其回波强度值渲染，则可生成一幅相当于将侧扫声呐数据与深度点云数据完全融合的“3D侧扫图像”。这个图像对地形、地貌的表现，比常见的水下地形图和侧扫声呐图，精细度更高、信息更丰富。

1

END

1