《Journal of Infrastructure Intelligence and Resilience》：Semantic segmentation of bridge sonar point cloud via a multi-view projection-based deep learning network
编辑推荐：
研究人员提出了一种基于多视角投影的语义分割方法（SonarBrMvseg），用于水下桥梁声纳点云处理。该方法在投影的伪图像（pseudo-images）中利用反深度（inverse depth）和原始高程（elevation）表征声纳点云的局部几何特征；开发了
研究人员提出了一种基于多视角投影的语义分割方法（SonarBrMvseg），用于水下桥梁声纳点云处理。该方法在投影的伪图像（pseudo-images）中利用反深度（inverse depth）和原始高程（elevation）表征声纳点云的局部几何特征；开发了坐标注意力增强的ResUNet（coordinate-attention-enhanced ResUNet），以改善桩基与地形的语义分割性能。在实测数据上取得了最高的平均F1分数（mean F1 score）0.9288，在实际桥梁检测场景中优于七个基线模型。
水下桥梁基础长期暴露于复杂水环境，易发生冲刷和混凝土表面缺陷，直接威胁桥梁结构安全。传统检测依赖潜水员携带光学设备进行人工测量，效率低且成本与风险高；搭载光学设备的水下航行器虽降低风险，但高浊度水体导致图像质量差，且水流扰动限制了其在真实桥梁环境中的应用。三维声纳（three-dimensional sonar）能获取水下目标空间形态，但声纳点云存在密度不均匀、噪声强的问题，传统点云处理方法效果不佳。其中，桥基与冲刷地形点云的语义分割长期依赖人工目视分割，效率低、主观性强且易出错。现有桥梁点云分割研究多面向激光扫描或无人机获取的上部结构点云，难以迁移至水下声纳场景。因此，研究人员提出了基于多视角投影的桥声纳点云语义分割方法（SonarBrMvseg），以提升分割精度和一致性。
研究人员将三维声纳点云从多视角投影为双通道伪图像，采用ResUNet进行特征提取，并引入坐标注意力（coordinate attention）机制增强对桩基与地形边界的识别能力，最后通过索引点级多视角投票融合预测。该方法在模拟数据上训练，并在四座桥梁采集的实测水下基础点云上验证，取得了平均F1分数（F1 score）0.9288，优于七种基线模型，验证了其有效性和工程适用性。
该研究的关键技术方法包括：多视角投影（multi-view projection）将点云从6个方位角、3个俯仰角及1个俯视视角共19个视角映射为192×192的伪图像；采用坐标注意力增强的ResUNet作为骨干网络；使用加权交叉熵损失（weighted cross-entropy loss）与Dice损失（Dice loss）联合训练以缓解类别不平衡。模拟数据通过参数化建模生成桩群基础与河床地形，共200个训练样本；实测数据来自四座桥梁，使用Coda Echoscope三维声纳采集，经去噪、降采样至30000点并人工标注。评估中与ResNet18、ResNet50、ResNet152、DenseNet121、DenseNet169、ENet和ShuffleNetV2七种基线模型进行比较。
4.1 定性结果分析：将训练后的模型应用于四组实测桥梁声纳点云，可视化结果显示该方法对不同结构布局的桥基础均能获得良好的语义分割效果，表现出较强的鲁棒性。
4.2 定量结果分析：以四组实测样本的平均F1分数为指标，所提方法达到0.9288，高于所有对比模型。以七种对比方法的平均F1分数为基准，相对提升13.72%；具体相对提升分别为6.45%（ResNet18）、9.60%（ResNet50）、15.43%（ENet）、25.21%（DenseNet121）、16.95%（ResNet152）、21.34%（DenseNet169）和4.21%（ShuffleNetV2），表明该方法在实测工程数据上整体分割性能最优。
4.3 可扩展性分析：在实测数据集上设置2000、4000、8000、12000、16000、24000和30000七种点数量条件，比较各模型F1分数变化。所提方法在所有点数量下均取得最高F1分数，在4000点和8000点时F1分数分别为0.9582和0.9558，说明该方法在点数有限时仍保持良好的鲁棒性和泛化能力。
4.4 消融实验：在相同配置下比较完整网络、UNet和ResUNet，平均F1分数分别为0.9288、0.9193和0.8969；所提方法相比UNet提升约1.04%，相比ResUNet提升约3.57%。ResUNet未优于UNet，说明仅引入残差结构并不总能提高性能；加入坐标注意力模块后，网络对桩基相关空间特征的响应增强，从而改善了分割精度和稳定性。
讨论部分指出，所提方法通过将不规则声纳点云投影为规则伪图像，有效规避了直接三维学习对点密度敏感的局限，并利用坐标注意力机制提升了边界识别能力。研究结论为：针对水下桥梁三维声纳数据处理中人工分割效率低和主观性强的问题，研究人员提出了基于多视角投影的语义分割方法SonarBrMvseg。该方法首先将三维声纳点云转换为伪图像，然后利用集成坐标注意力机制的ResUNet进行特征提取与像素级分类。在模拟数据训练和四座桥梁实测数据验证中，所提方法获得了较高的平均F1分数，并整体优于多个对比模型。可扩展性分析和消融实验进一步验证了该方法的鲁棒性和工程适用性。然而，由于外业测量成本较高，可用于模型评估的现场数据量及声纳设备类型有限，未来研究应在不同声纳系统和更复杂的桥梁检测场景中进一步验证其泛化能力。
