Seabed-to-Sky Mapping of Maritime Environments with a Dual Orthogonal SONAR and LiDAR Sensor Suite

📄 arXiv: 2512.05303v1 📥 PDF

作者: Christian Westerdahl, Jonas Poulsen, Daniel Holmelund, Peter Nicholas Hansen, Fletcher Thompson, Roberto Galeazzi

分类: cs.RO

发布日期: 2025-12-04

💡 一句话要点

提出一种基于正交声呐和激光雷达融合的GNSS无关海陆空一体化建图系统

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 海陆空一体化建图 激光雷达 前视声呐 因子图优化 水下机器人

📋 核心要点

  1. 现有海陆空一体化建图方案依赖GNSS或昂贵的测深声呐，前者易受干扰，后者成本高昂。
  2. 该文提出融合激光雷达和正交前视声呐的GNSS无关系统，利用运动插值姿态，将声呐数据持续融入因子图地图。
  3. 实验表明，该系统在真实环境中能实时运行，生成统一的3D海陆空模型，地图和里程计更新频率分别约为2.65Hz和2.85Hz。

📝 摘要（中文）

本文提出了一种统一的、无需GNSS的建图系统，该系统融合了激光雷达-IMU与双正交安装的前视声呐（FLS），从而从自主水面船只生成一致的海陆空一体化地图。在声学方面，我们扩展了正交宽孔径融合，以处理任意声呐间的平移（从而支持异构、非共址模型），并从每个FLS提取前沿以形成线扫描。在建图方面，我们修改了LIO-SAM，以通过运动插值的姿态，在关键帧处和关键帧之间摄取立体声导出的3D声呐点和前沿线扫描，从而允许稀疏声学更新持续地贡献于单个因子图地图。我们在来自哥本哈根Belvederekanalen的真实世界数据上验证了该系统，证明了实时操作，地图更新频率约为2.65 Hz，里程计更新频率约为2.85 Hz，同时生成了跨越空气-水域的统一3D模型。

🔬 方法详解

问题定义：现有海陆空一体化建图方法主要依赖GNSS或昂贵的测深声呐。GNSS信号在水下或复杂环境中容易受到遮蔽或欺骗攻击，导致定位不准确。而传统的测深声呐虽然精度较高，但成本昂贵，限制了其在低成本自主水面船只上的应用。因此，如何在无需GNSS且降低成本的前提下，实现准确的海陆空一体化建图是一个亟待解决的问题。

核心思路：本文的核心思路是融合激光雷达（LiDAR）和前视声呐（FLS）的数据，利用LiDAR在水上环境中的高精度定位能力，以及FLS在水下环境中的探测能力，实现海陆空一体化的三维重建。通过正交安装两个FLS，可以获取更全面的水下环境信息。同时，采用因子图优化框架，将LiDAR和声呐数据进行融合，提高建图的精度和鲁棒性。

技术框架：该系统的整体架构包括以下几个主要模块：1) 数据采集模块：利用LiDAR、IMU和双正交FLS采集环境数据。2) 声呐数据处理模块：对FLS数据进行预处理，包括噪声滤除、边缘提取等，并利用正交宽孔径融合技术，将两个FLS的数据融合，生成三维点云。3) LiDAR-IMU里程计模块：利用LiDAR和IMU数据，采用LIO-SAM算法估计船只的运动姿态。4) 因子图优化模块：将LiDAR点云、声呐点云和IMU数据融合到因子图中，通过优化因子图，得到全局一致的地图。5) 地图生成模块：将优化后的点云数据进行融合，生成海陆空一体化的三维地图。

关键创新：该论文的关键创新点在于：1) 提出了一种基于正交FLS的宽孔径融合方法，能够处理任意声呐间的平移，支持异构、非共址的声呐模型。2) 修改了LIO-SAM算法，使其能够同时处理LiDAR点云和声呐点云，实现了海陆空数据的无缝融合。3) 提出了一种基于运动插值的声呐数据融合方法，能够将稀疏的声呐数据持续地贡献于因子图地图，提高了建图的精度和鲁棒性。

关键设计：在声呐数据处理方面，采用了基于前沿提取的线扫描方法，降低了声呐数据的计算量。在因子图优化方面，采用了关键帧策略，只在关键帧处进行全局优化，提高了系统的实时性。同时，通过运动插值，将非关键帧的声呐数据也融入到因子图中，提高了建图的精度。具体参数设置方面，需要根据实际的传感器参数和环境特点进行调整，例如，FLS的扫描频率、LiDAR的扫描频率、IMU的采样频率等。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该系统能够在真实水域环境中实时运行，地图更新频率约为2.65 Hz，里程计更新频率约为2.85 Hz。生成的地图能够跨越空气-水域，实现海陆空一体化的三维重建。与传统的基于GNSS的建图方法相比，该系统具有更高的鲁棒性和可靠性。虽然论文中没有明确给出与特定基线的定量对比，但展示了在复杂水域环境中构建高质量地图的能力。

🎯 应用场景

该研究成果可应用于多种场景，例如水下基础设施巡检、港口安全监控、海洋环境监测、水下考古等。通过构建高精度的海陆空一体化地图，可以为自主水面船只提供导航和避障能力，提高其在复杂水域环境中的作业效率和安全性。此外，该技术还可以应用于水下机器人和潜水器的定位和导航，扩展其应用范围。

📄 摘要（原文）

Critical maritime infrastructure increasingly demands situational awareness both above and below the surface, yet existing ''seabed-to-sky'' mapping pipelines either rely on GNSS (vulnerable to shadowing/spoofing) or expensive bathymetric sonars. We present a unified, GNSS-independent mapping system that fuses LiDAR-IMU with a dual, orthogonally mounted Forward Looking Sonars (FLS) to generate consistent seabed-to-sky maps from an Autonomous Surface Vehicle. On the acoustic side, we extend orthogonal wide-aperture fusion to handle arbitrary inter-sonar translations (enabling heterogeneous, non-co-located models) and extract a leading edge from each FLS to form line-scans. On the mapping side, we modify LIO-SAM to ingest both stereo-derived 3D sonar points and leading-edge line-scans at and between keyframes via motion-interpolated poses, allowing sparse acoustic updates to contribute continuously to a single factor-graph map. We validate the system on real-world data from Belvederekanalen (Copenhagen), demonstrating real-time operation with approx. 2.65 Hz map updates and approx. 2.85 Hz odometry while producing a unified 3D model that spans air-water domains.