侧扫声呐图像仿真与 CNN 海底目标分类

包名：mjc_rov_sonar_cnn 仿真环境：MuJoCo 3.1.x + ROS 2 Humble（Ubuntu 20.04.6，Python 3.8.10）神经网络：三层卷积 CNN，三分类（礁石 / 管道 / 残骸）

1. 概述与目标

本模块在 MuJoCo 水池场景中模拟 ROV 搭载侧扫声呐，合成声呐回波灰度图像，并用一个轻量 CNN 完成海底目标物三分类。与已有"声呐 SLAM 建图"不同，这里关注的是声呐图像理解：从声呐回波纹理判断下方是礁石、管道还是残骸，为后续水下巡检提供感知层输出。

核心任务： 1. 用 MuJoCo 场景几何生成合成声呐图像（64×64 mono8）； 2. 训练小型 CNN（3 层 Conv + 2 层 FC）做三分类； 3. ROS 节点实时订阅声呐图，发布分类结果。

1.1 运行环境

项目	版本
操作系统	Ubuntu 20.04.6 LTS（VMware 虚拟机，无 GPU）
ROS 2	Humble（`/opt/ros/humble`）
Python	3.8.10
MuJoCo	3.1.x（OSMesa 离屏渲染）
PyTorch	2.4.1+cpu
NumPy	1.24.4

依赖安装：

pip3 install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt
pip3 install torch==2.4.1+cpu torchvision==0.19.1+cpu \
  -i https://mirrors.aliyun.com/pypi/simple/ \
  --extra-index-url https://download.pytorch.org/whl/cpu
sudo apt install libosmesa6

2. 物理仿真

2.1 场景模型（`models/rov_sonar_pool.xml`）

水池：10m×10m，带 checkerboard 池底；
三类目标物分布在池底：
礁石：3 个圆柱堆（灰褐色，弥散回波）；
管道：2 个横放长圆柱（黄褐色，细长强回波）；
残骸：2 个 box 碎块（深灰色，弱碎回波）；
ROV：0.25m×0.15m×0.08m 浮筒，自由漂浮在水柱中层。

2.2 声呐图像合成

真实侧扫声呐回波强度随目标物材质、距离、掠射角变化。本模块用高斯亮斑近似：

I(x,y) = Σ_i intensity_i · exp(-((x-px_i)² + (y-py_i)²) / (2σ_i²))
+ 高斯噪声 σ=0.05

礁石：σ=4，中等弥散；
管道：σ=2，细长强斑；
残骸：σ=3，弱碎斑。

3. 神经网络

3.1 CNN 结构

Input (1×64×64)
├─ Conv2d(1→16, 3×3) + ReLU + MaxPool(2)   → 16×32×32
├─ Conv2d(16→32, 3×3) + ReLU + MaxPool(2)   → 32×16×16
├─ Conv2d(32→64, 3×3) + ReLU + MaxPool(2)   → 64×8×8
├─ Linear(4096→128) + ReLU
└─ Linear(128→3)

参数量约 548k（主要来自 Linear(4096→128) 的 524,416 个参数），CPU 上 30 个 epoch 约 5 秒收敛。

3.2 数据集

SyntheticSonarDataset 生成 600 张合成声呐图：随机 ROV 位置 + 随机 label，按 label 控制哪类目标物亮斑强度高（主目标 0.6~0.9，背景类 0.12~0.15）。

3.3 训练与测试结果

[train] epoch  0/30  loss=0.9125
[train] epoch 10/30  loss=0.0000
[test] 合成测试集准确率: 1.000 (200/200)

三类声呐样例图（CNN 推理 probs 均为 1.0）：

CNN 分类动画

礁石类管道类残骸类

4. ROS 接口

话题	类型	频率	说明
`/rov_sonar/image_raw`	sensor_msgs/Image (mono8, 64×64)	5 Hz	合成声呐图
`/rov_sonar/odom`	nav_msgs/Odometry	20 Hz	ROV 位姿
`/rov_sonar/classification`	std_msgs/String	随图像	CNN 分类结果

5. 运行步骤

# 编译
colcon build --symlink-install --packages-select mjc_rov_sonar_cnn
source install/setup.bash

# 离线训练 + 测试
cd src/water/mjc_rov_sonar_cnn
bash main.sh

# ROS 实时仿真
ros2 launch mjc_rov_sonar_cnn main.launch.py
# 另开终端
ros2 run mjc_rov_sonar_cnn classify_node

6. 文件清单

mjc_rov_sonar_cnn/
├── package.xml / setup.py / setup.cfg
├── main.py / main.sh
├── mjc_rov_sonar_cnn/
│   ├── common.py        # 声呐图像合成
│   ├── cnn_model.py     # CNN 定义 + 训练 + 测试
│   ├── sim_node.py      # MuJoCo + ROS 发布声呐图
│   └── classify_node.py # CNN 推理节点
├── launch/main.launch.py
├── models/rov_sonar_pool.xml
├── config/sonar_params.yaml
└── resource/mjc_rov_sonar_cnn