SonarVoxNet 实现三维声呐潜水员全姿态 9-DoF 检测，Diver3D 数据集发布
这是一篇预印本，未经同行评审。作者提出 SonarVoxNet，首个在三维声呐数据上输出完整九自由度朝向的潜水员检测器，并发布 Diver3D 数据集。实验显示，将仅偏航的旋转表示升级为连续 6D 全 SO(3) 表示是精度跃升的最大因素，最终 [email protected] 达到 0.774，表明稀疏三维声呐可以恢复潜水员全身朝向。
三维声呐能否在稀疏、噪声点云中检测自由翻滚的潜水员并恢复其完整三维朝向？
现有水下感知依赖前视声呐，但会把三维结构压成二维平面，丢失俯仰和横滚信息，无法估计潜水员朝向。新近商用的三维声呐保留高程，但点云稀疏且多径噪声严重。此前检测器为自动驾驶稠密激光雷达设计，假设目标直立且只绕偏航轴旋转，不能表示自由翻滚的潜水员，且没有公开的三维声呐潜水员数据集。
此前方法包括针对激光雷达点云的 VoxelNet、SECOND、PointPillars、CenterPoint、VoxelNeXt，其检测头均只输出偏航角。针对三维声呐的 SonarPoint 只检测通用水下物体，不针对潜水员，也没有完整三维朝向标签。此前没有公开的带全三维朝向的潜水员三维声呐数据集。
SonarVoxNet 将 VoxelNet 体素编码和 CenterPoint 无锚中心检测头适配到三维声呐点云，用连续 6D 旋转参数化代替偏航角，预测完整 9-DoF 有向三维框。推理阶段加入因果几何精化模块，用 R3 和 SO(3) 上的交互多模型滤波校正中心与旋转，尺寸采用只缩不扩的时序估计。同时构建 Diver3D 数据集，共 36 个场景、37,010 帧、34,568 个标注实例，采集于佛罗里达 Blue Grotto 洞穴潜点。训练时采用带目标数量退火的真值采样增强，最终保留 1 个插入目标。
在 Diver3D 测试集（8 个场景、8,112 帧）上，使用两个随机种子，未增强的 SonarVoxNet [email protected] 为 0.515，[email protected] 为 0.233，SDS 0.574，比 VoxelNeXt 的 0.374 高 0.141。加入增强后 [email protected] 提升至 0.703，[email protected] 至 0.359，SDS 至 0.673。因果几何精化后 [email protected] 达 0.774，[email protected] 0.467，SDS 0.719。消融显示，从仅偏航改为全 SO(3) 使稀疏主干 [email protected] 从 0.319 升至 0.515，AOE3D 从 66.8 度降至 48.5 度；密集主干从 0.328 升至 0.538。所有评估在真实三维声呐数据上进行，非仿真。
作者承认：将 z 轴压缩为粗网格再投影到 BEV，可能损失高程分辨率；Diver3D 前景密度低（每个非空帧平均 1.3 个潜水员），需要合成数据增强；全旋转标注对非刚体潜水员难以保证绝对精确；整体管线沿用激光雷达方法，未引入声呐传感器物理或潜水员特定先验。此外，论文未报告跨地点或跨传感器泛化，且测试集中在单一传感器和洞穴环境。
水下机器人厂商和声呐设备商可在一至三年内将此检测模块用于潜水员定位、跟踪与辅助任务，前提是传感器支持三维声呐且算力满足实时推理。进一步开发潜水员姿态估计和安全交互可能需要三年以上，并需扩展数据集场景、传感器型号和实地验证。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。