摘要:针对海底复杂地形地貌场景，以及自主水下潜器（Autonomous Underwater Vehicle，AUV）航行时存在扰动，搭载大量程侧扫声呐设备进行广域快速搜探时，采集的侧扫声呐数据在生成图像时，存在严重的瀑布图畸变、增益失衡、亮暗不均的问题，难以直观呈现海底地形地貌。结合侧扫声呐成像原理、侧扫声呐设备特点、AUV 运动传感信息、图像处理方法，提出融合运动特性与海底基线提取的畸变校正方法、融合侧扫声呐设备特性的垂向增益校正方法、自适应直方图均衡的亮度校正方法。实验表明，所述方法可清晰呈现地形地貌信息。

摘要:为实现自主水下潜器(Autonomous Underwater Vehicle，简称 AUV)的自主目标探测识别与定位任务，以侧扫声呐数据为依据，考虑到扫描式声呐成像的特点，针对金属球类目标，基于 Darknet 框架设计了一种轻量化深度学习目标识别模型，并结合人工特征进行目标特性分析。同时对声呐图像设计了有效的图像增强方法。实验表明：上述目标识别方法在保证目标识别准确率的同时，具有较高的目标识别速率，适于低功耗嵌入式平台部署。