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

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机平台根据网络数据包的包头信息进行识别和合并，还原为一整帧的数据帧。

6.根据权利要求5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，数据包的格式包括帧号、包号、总包数和压缩后的三维声呐数据的切分数据。

7.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，在第二深度学习网络中进行上采样时，使用第二mlp层、第二attention层和第二point transformer层分别将压缩后的三维声呐数据中的删除点的聚合信息进行还原，将还原数据经第三mlp层进行融合得到解压缩的删除点，基于当前帧的反射强度最大值和当前帧的反射强度最小值对保留点和解压缩的删除点进行反射强度数据恢复，最终得到解压还原后的三维声呐数据。

8.一种基于深度学习的多波束前视三维声纳数据压缩方法，利用权利要求1-7任一项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实现，其特征在于，包括以下步骤：

9.一种基于深度学习的多波束前视三维声纳数据压缩设备，包括存储器和一种或多种处理器，所述存储器用于存储计算机程序，其特征在于，所述处理器用于当执行所述计算机程序时，实现权利要求8所述的基于深度学习的多波束前视三维声纳数据压缩方法。

10.一种计算机可读的存储介质，所述存储介质上存储有计算机程序，其特征在于，当所述计算机程序被计算机执行时，实现权利要求8所述的基于深度学习的多波束前视三维声纳数据压缩方法。