基于三角位移法姿态矫正的激光线扫描海底地形三维测绘

范承成，德晓薇，郭金家*，曹又文，卢泽宇，宋琳娜，张喜林

基于三角位移法姿态矫正的激光线扫描海底地形三维测绘

范承成1，德晓薇1，郭金家1*，曹又文1，卢泽宇2，宋琳娜1，张喜林3

（1.中国海洋大学 信息科学与工程学部，山东 青岛 266100；2.青岛海洋科学与技术试点国家实验室，山东 青岛 266237；3.中国地质调查局青岛海洋地质研究所，山东 青岛 266237）

作为一种三维成像技术，激光线扫描技术在海底目标探测和地形地貌测绘中获得了广泛应用。本文搭建了一套水下激光线扫描实验装置，对经过标定的激光线扫描装置获得的图像进行激光光条提取、特征提取匹配等图像处理后进行三维重建。在光条提取算法方面，针对水下散射粒子等干扰，结合单通道阈值法和灰度重心法提高了光条提取的精度，较其他光条中心提取算法有更强的鲁棒性；在特征提取匹配方面，提出了一种基于图像的三角位移估计法用于系统定位和位姿矫正，该方法利用线结构光三角测量原理估计场景深度，结合特征点匹配计算系统位移，然后融合点云数据完成姿态矫正。利用自研的线扫描系统在实验室进行了标准球精度测试，在800 mm～2 500 mm的工作距离内误差可以控制在1 mm以下。2019年和2020年该设备搭载遥控无人潜水器进行了深海海底地形三维成像试验，在海底沙坡区域对本文提出的三角位移法姿态校正方法成功进行了验证，并进一步对不同条件的海底地形进行测试，结果表明校正后的激光线扫描成像装置能够快速准确地成像，具有较高的形貌还原度。

三维成像；激光线扫描；姿态矫正；海底地形扫描

1 引　言

海洋中蕴含着丰富的资源，进行深海科学考察和资源调查需要对待测区域有清楚的认识，海底地形地貌的高精度三维重建在海底目标识别、地质勘查、矿藏估计、环境监测和潜水器路径规划等领域都有着重要的作用［1-4］。声学技术在海底地形测绘中有着广泛的应用［5］，但由于声波的传播特点，在高精度海底地形探测方面有着很大的限制，一般用于大面积的海底测绘。光学三维重建技术近年来在水下地形精细测绘中逐渐受到重视，现已应用在水下的光学三维成像技术有结构光法［6-7］、激光雷达法［8-9］、立体视觉法［10-11］、运动恢复结构（Structure from Motion，SFM）法［12-13］等，其中，基于结构光原理的激光线扫描技术在水下有较远的工作距离，且结构简单稳定、成本低，非常适合搭载水下运载器对海底地形或目标物进行高精度的三维成像。

激光线扫描技术在陆地上有广泛的应用，但在海底地形测绘中，由于水体测量光路折射、水中悬浮粒子干扰、运载器的不规律运动等影响，实现方式和空气中有很大不同。其中，对于复杂环境下光条提取和系统姿态估计问题，很多科研机构均开展了相关的研究。传统的光条提取算法主要包括极值法、灰度重心法、阈值法、几何中心法等［14］，但它们都不能很好处理光条图像中带有强烈干扰的情况［15］。Steger算法［16］精度高，鲁棒性好，但是运算量大，计算效率低，难以实现光条中心的快速提取。Chen等［17］提出使用图像接缝算法，对光条图像建立有向无环图模型，利用最短路径搜索提取光条中心，具有良好的抗干扰能力。胡增等［18］运用改进的连通域提取算法和边缘连接算法，筛选出光条中心轮廓，再沿法向采用加权灰度重心法，精确提取出亚像素光条中心。上述方法在一定程度上提高了中心提取算法的抗干扰能力，但是针对复杂海底环境下的光条中心提取方法的相关研究依然较少，还存在运算速度慢或抗干扰能力弱的问题。为了解决水下运载器的位姿估计问题，通常的做法是利用惯性导航系统（Inertial Navigation System，INS）作为水下航行器的主要导航装置进行自主定位［19］，Bodenmann［20］、Bleier［21］、Martins［22］、丁忠军［23］等人都使用多普勒计程仪（Doppler Velocity Logs，DVL）、INS和全球定位系统（Global Position System，GPS）等传感器提供的位姿数据与点云数据进行融合，完成水下目标的扫描成像。近年来，基于视觉和图像的机器人导航定位方式发展迅速，该方法大大降低了系统的成本。Holak等人［24］提出了一种水下机器人位姿估计的视觉系统数学模型，该系统由一个摄像机和多个激光模块组成，可用于估计相机相对观测表面的位置和姿态。但是该方法要求特定的投影光模式，且该模式很难满足三维重建的要求。Jeon等人［25］提出了基于同步定位与地图构建（Simultaneous Localization and Mapping，SLAM）的SFM水下三维重建算法，利用SLAM进行姿态估计提供图像方向，提高了三维重建的质量和SFM的计算效率。对于复杂的水下环境和低纹理场景，这种方法的三维重建效果严重下降，而且单目系统存在尺度不确定性问题。

针对上述两个问题，本文提出了单通道阈值和灰度重心法相结合的光条提取算法，能够实现真实光条区域的快速筛选定位，精确提取光条中心；同时提出了三角位移估计法用于系统的位姿估计，该方法利用线结构光三角测量的深度数据达到固定尺度的目的，最后利用自研的水下激光线扫描三维成像系统搭载遥控无人潜水器（Remote Operated Vehicle，ROV）进行了现场试验和方法验证。

2 系统与实验

2.1　系统介绍

我们研制的水下激光线扫描三维成像系统由三部分组成：线激光发射舱、摄像舱和控制舱。结构示意图如图1。考虑到深海试验防水耐压的工作需求，激光器、摄像机等都置于密封舱内，密封舱主体材料为7075铝合金，厚度为10 mm，前端采用厚度为15 mm、直径为66 mm的透明石英窗口进行密封。考虑到水体对不同波长光的吸收特性：蓝绿光在水下具有较远的传输距离［26］，我们选择了功率为500 mw的520 nm线激光器作为照射光源，激光器发散角为65°，最细线宽可调节至0.4 mm；摄像机采用1 080p CMOS彩色工业相机，最大帧率为25 FPS，前端采用6 mm焦距镜头，视场角为67°；激光器和摄像机之间的角度可以根据目标距离进行调节，基线长度为70 cm。系统在深海实验时通常将两者角度固定为25°，使其能够在0.5 m～10 m的距离内正常工作。图2为系统的工作模式示意图，线扫描装置固定在ROV或其他水下运载平台底部，由水下机器人带动激光线扫描系统以垂直激光平面的方向进行平移扫描成像。

图1　水下激光线扫描成像系统结构

图2　水下激光线扫描成像系统工作模式示意图

2.2　系统标定

考虑到介质折射和水下系统标定环境限制的问题，我们采用空气和水下标定相结合的方式。首先利用张正友标定法［27］对相机进行水下标定，然后在空气中进行系统标定确定激光平面方程，再利用水下标定的相机内参和Mato等人提出的光平面折射补偿法［28］，完成线扫描系统的水下标定。

在空气中进行线扫描系统标定时，我们基于单应矩阵与交比不变性［29］设计了光平面标定方法，如图3所示。该方法采用的标定图像如图3（a）所示，标定板由白色圆点和直线两部分组成，左侧的特征点用来确定标定板相对系统的单应性矩阵，右侧是激光投射区域。通过交比不变定理可以确定激光线与四条直线相交的坐标，从而确定激光线条的空间方程，然后改变标定板的姿态多次测量，利用最小二乘法拟合获取激光平面方程。

图3　空气中线扫描系统标定方法

2.3　图像处理方法

线扫描系统采集的图像带有高亮的激光条纹，该条纹反映了目标表面的起伏变化，获取光条的位置是采集地貌信息的基础。同时，为了保证整个区域地形重建的连续性和恢复的准确性，需要对激光条纹外的区域做特征提取匹配，完成系统姿态估计和矫正，对激光线扫描成像装置图像处理方法具体介绍如下：

231光条中心提取

我们采用单通道阈值法和灰度重心法相结合的方法，在保证计算速度的同时提高光条中心的提取精度。首先对获取的图像进行预处理，包括中值滤波、形态学处理和阈值筛选，随后利用单通道阈值法定位激光线区域，在该区域内使用灰度重心法求得光条中心坐标。算法流程如图4所示。

图4　光条中心提取算法流程图

图5　噪声行三通道灰度值分布图

使用该方法对含有散射粒子图像中的激光线条进行提取，结果与其他方法对比如图6所示。可见，在复杂海底环境下，该方法相比其他速度较快的传统光条提取方法，具有更强的鲁棒性，在存在散射粒子干扰的情况下能精确地提取光条中心。

图6　复杂海底环境下提取结果对比

从表1可知，对比其他三种方法，本文所提的方法由于对真实光条区域进行了筛选定位，很大程度上排除了散射粒子的干扰，因此标准误差最小，准确度相对较高，同时仅对像素面积较小的光条区域使用灰度重心法，运行速度相对较快。

表1标准误差和运行时间比较结果

Tab.1　Comparison results of standard error and run time

232三角位移法姿态矫正

在实际深海测量过程中，由于受到底流、地形起伏等影响，水下运载平台往往难以维持相对地形或海平面水平的姿态进行匀速平移，此时扫描到的地形地貌或目标物会发生较大的变形。考虑到ROV等水下运载平台在海底行进时以直线巡航为主，产生的俯仰姿态较少，而速度改变与水平方向运动改变较多，为尽量使获取的点云数据更精确，利用特征点提取匹配［32-33］，在水平平面上对系统的运动方向与速度进行求解，模拟系统在航行时产生的水平姿态改变。

为了避免激光条纹及散射粒子对特征点提取的影响，对激光条纹和较大粒子区域做掩膜处理，特征提取时剔除落在掩膜区域附近的特征点，选取感兴趣区域时优先考虑激光条纹区域的两侧邻近区域，提高深度估计的可靠性。由于采用了三角测量的深度估计方法和、方向正交分解的位移处理方式，该方法称为三角位移估计法。姿态矫正流程如图7所示，该算法主要由两部分组成：一是对激光线上的深度值采样并取平均用来估计邻近区域的场景深度；二是利用特征检测和匹配求得特征轨迹，结合场景深度值估计和方向的实际位移，获得水平平面上系统的位移轨迹，融合点云数据完成姿态矫正。

图7　姿态矫正流程图

2.4　实验室测试

实验室测试时，激光线扫描系统搭载在由电机驱动的水平导轨上，整个装置放置在水面上方，水箱底部放有鹅卵石、螺钉、拉环等目标物。实验时模拟深海黑暗环境，降低自然光对成像结果的影响，同时为了使目标物的纹理可见，姿态矫正时可以提供大量的特征点，系统配置了LED光源，保证了一定的光照条件。电机带动系统进行水平扫描成像，工作距离为1.1 m左右，扫描速度为0.1 m/s，水箱底部扫描实验如图8所示。从图中可以看出，我们搭建的激光线扫描系统可以清晰地对水下图像进行三维重建，螺钉的螺纹也比较清晰，体现了系统的检测精度。

同时，为了进一步对激光线扫描系统的精度进行定量，在实验室水池中对不同距离处的标准球（半径为30.01 mm）进行扫描成像，根据点云成像球半径和实际值的误差来验证系统的测量精度。测量所得到的半径值和误差随距离变化如图9所示，总的来说，测量误差随距离增加而变大，800 mm到2 500 mm范围内，点云拟合球误差在1 mm以内。

图8　实验室水箱底部扫描成像实验

图9　标准球水下精度测试实验结果

2.5　现场试验

我们研制的激光线扫描系统在2019年7～8月以及2020年7～8月由FCV3000 ROV搭载进行了深海原位测试，对包括平坦沙坡区、大面积碳酸盐结壳岩石区与平坦沉淀区等区域都进行了激光线扫描三维成像。激光线扫描系统在海底工作时固定于ROV底部的金属杠上，并通过水密缆连接ROV，ROV到达海底后，控制其在距离海底1～10 m的高度进行水平移动，激光线扫过下方目标物，由摄像机连续获取图像并存储。系统现场工作照片如图10所示，图11为获得的典型激光线扫描海底图像。

图10　激光线扫描系统海上现场工作照片，右图为局部放大图。

图11　典型激光线扫描海底图像

如前所述，对获得的图像进行光条中心提取，结合标定数据得到三维点云，经过姿态校正获得海底三维图像，图12是采用本文三角位移法姿态校正获得的海底沙坡区域三维图像，在图12中同时展示了未进行姿态校正的结果，对比原视频可知，通过水平位姿对三维点云进行矫正后，能够准确地还原出目标区域的三维信息。

进一步通过我们研制的深海激光线扫描系统和图像处理方法，对不同海底地形进行了测试，典型的成像结果如图13和14所示，图13是海底凸起石块目标物的三维点云成像结果及相机照片对比图，相机照片来自于ROV摄像头，激光线扫描系统成像距离海底1.5～3 m左右，ROV运动速度约为0.2 m/s。对比点云图和相机获取图片，系统对于海底凸起石块目标物可以较好地三维成像，岩石上凹凸不平的细节呈现较为完整。

图12　采用三角位移法姿态矫正前后的海底沙坡区域三维点云图像

图13　海底凸起石块目标物的三维点云及照片

图14是海底一条狭长坑道的三维点云图，成像距离在5～7 m左右，由于距离较远，从坑道的局部照片可以看出此时摄像机的成像效果较差，但激光线扫描系统依然可以很好地获取坑道的三维信息和还原形貌特征。

图14　海底狭长坑道的三维点云图和坑道局部照片

由于海底目标物的真实三维数据无法得知，为了验证激光线扫描结果的准确性和形貌还原程度，将激光线扫描测得的深度数据与ROV携带的Kongsberg 1007D系列高度计所测的数据对比，图15为两者30 s内在同一区域所测得的深度曲线图。两系统安装位置相距25 cm，高度计所测得数据大于激光线扫描的数据，但从图15中可以看出整体趋势一致。将两者安装位置所带来的误差排除后，激光线扫描系统测量的深度值相对于高度计的平均相对误差为2.93%，表明本系统获得的三维数据具有准确的尺度。

图15　线扫描与高度计深度测量值对比图

3 结　论

本文针对激光线扫描系统在深海环境应用中遇到的问题开展了方法研究。对于图像中散射粒子干扰严重的情况改进了光条中心提取算法，可以实现条纹区域的快速筛选定位，对比其他的光条提取算法，该方法具有更快的速度和更强的鲁棒性；为解决激光线扫描推扫过程中系统运动轨迹变化问题提出了基于图像的三角位移法姿态矫正的方法，在不依赖于DVL等外部设备的情况下有效提高了目标的还原程度。为了验证方法的可行性，我们在实验室使用了半径为30.01 mm的标准球进行误差分析，在800 mm～2 500 mm的距离范围内，线扫描系统的三维重建误差能够控制在1 mm以内。最后，我们使用激光线扫描系统在深海海底开展了原位测试，基于上述方法的处理获取了海底地形的三维点云，并将线扫描系统与高度计测量的深度值进行对比，平均相对误差为2.93%。现场试验结果表明，系统对于海底地形能够快速准确地成像，形貌还原程度较高，进一步证明了本论文方法的有效性，同时表明了低成本、结构简单的线激光扫描系统替代昂贵的专业光学深度传感器的可能，为水下激光三维重建技术提供了新的参考。

［1］ FLORINSKY I V， FILIPPOV S V. Three-dimensional geomorphometric modeling of the Arctic Ocean submarine topography： a low-resolution desktop application［J］.， 2021， 46（1）： 88-101.

［2］ 唐远河，王浩轩，刘青松，等. 主动遥感探测海底可燃冰的正演研究［J］. 光学精密工程， 2018， 26（12）： 2909-2916.

TANG Y H， WANG H X， LIU Q S，. Forward measurement of submarine gas hydrates by active remote sensing technology［J］.， 2018， 26（12）： 2909-2916.（in Chinese）

［3］ JOHNSON-ROBERSON M， BRYSON M， FRIEDMAN A，. High-resolution underwater robotic vision-based mapping and three-dimensional reconstruction for archaeology［J］.， 2017， 34（4）： 625-643.

［4］ PICARDI G， CHELLAPURATH M， IACOPONI S，. Bioinspired underwater legged robot for seabed exploration with low environmental disturbance［J］.， 2020， 5（42）： eaaz1012.

［5］ 舒岳阶，吴俊，周远航，等. 水工物理模型水下高精度超声水位测量［J］. 光学精密工程， 2020， 28（9）： 2027-2034.

SHU Y J， WU J， ZHOU Y H，. Underwater high-precision ultrasonic water level measurement method for hydraulic physical model［J］.， 2020， 28（9）： 2027-2034.（in Chinese）

［6］ BRUNO F， BIANCO G， MUZZUPAPPA M，. Experimentation of structured light and stereo vision for underwater 3D reconstruction［J］.， 2011， 66（4）： 508-518.

［7］ RISHOLM P， KIRKHUS T， THIELEMANN J T，. Adaptive structured light with scatter correction for high-precision underwater 3D measurements［J］.， 2019， 19（5）： 1043.

［8］ 金鼎坚，吴芳，于坤，等. 机载激光雷达测深系统大规模应用测试与评估：以中国海岸带为例［J］. 红外与激光工程， 2020， 49（S2）： 9-23.

JIN D J， WU F， YU K，. Large-scale application test and evaluation of an airborne lidar bathymetry system—A case study in China's coastal zone［J］.， 2020， 49（S2）： 9-23.（in Chinese）

［9］ 徐梦溪，陆云扬，谈晓珊，等. 固态激光雷达传感器技术及无人机载测深应用［J］. 电子测量技术， 2021， 44（15）： 89-96.

XU M X， LU Y Y， TAN X S，. Solid-state LiDAR sensor technology and bathymetry application of UAV［J］.， 2021， 44（15）： 89-96.（in Chinese）

［10］ 谢亮亮，屠大维，张旭，等. 深海原位激光扫描双目立体视觉成像系统［J］. 仪器仪表学报， 2020， 41（6）： 106-114.

XIE L L， TU D W， ZHANG X，. Deep Seabinocular stereo vision imaging system with laser scanning［J］.， 2020， 41（6）： 106-114.（in Chinese）

［11］ LWIN K N， MUKADA N， MYINT M，. Visual docking against bubble noise with 3-D perception using dual-eye cameras［J］.， 2020， 45（1）： 247-270.

［12］ SHI C， WANG Q B， HE X L，. An automatic method of fish length estimation using underwater stereo system based on LabVIEW［J］.， 2020， 173： 105419.

［13］ BAYLEY D T I， MOGG A O M. A protocol for the large-scale analysis of reefs using Structure from Motion photogrammetry［J］.， 2020， 11（11）： 1410-1420.

［14］ 李莹莹，张志毅，袁林. 线结构光光条中心提取综述［J］. 激光与光电子学进展， 2013， 50（10）： 13-22.

LI Y Y， ZHANG Z Y， YUAN L. Survey on linear structured light stripe center extraction［J］.， 2013， 50（10）： 13-22.（in Chinese）

［15］ 周渊，孟祥群，江登表，等. 复杂干扰情况下的结构光条纹中心提取方法［J］. 中国激光， 2020， 47（12）： 1204004.

ZHOU Y， MENG X Q， JIANG D B，. Centerline extraction of structured light stripe under complex interference［J］.，2020， 47（12）： 1204004.（in Chinese）

［16］ STEGER C. An unbiased detector of curvilinear structures［J］.， 1998， 20（2）： 113-125.

［17］ CHEN J S， SU G D， XIANG S B. Robust welding seam tracking using image seam extraction［J］.， 2012， 17（2）： 155-161.

［18］ 胡增，李伟明，ALAA A A，等. 抗焊渣飞溅干扰的线结构光光条中心快速提取方法［J/OL］. 激光与光电子学进展：1-12［2022-05-11］. http：//kns.cnki.net/kcms/detail/31.1690.TN. 20210712. 1655.058.html.

HU Z， LI W M， ALAA A A，. A fast center extraction algorithm for line structure laser stripe of anti-welding slag spatter［J/OL］.：1-12［2022-05-11］. http：//kns.cnki.net/kcms/detail/31.1690.TN.202107 12. 1655.058.html.

［19］ DINC M， HAJIYEV C. Integration of navigation systems for autonomous underwater vehicles［J］.， 2015， 14（1）： 32-43.

［20］ BODENMANN A， THORNTON B， URA T. Generation of high-resolution three-dimensional reconstructions of the seafloor in color using a single camera and structured light［J］.， 2017， 34（5）： 833-851.

［21］ BLEIER M， LUCHT JVAN DER， NÜCHTER A. Scout3d-an underwater laser scanning system for mobile mapping［J］.，， 2019， XLII-2/W18： 13-18.

［22］ MARTINS A， ALMEIDA J， ALMEIDA C，. UX 1 system design - A robotic system for underwater mining exploration［C］. 2018（）15，2018，，IEEE， 2018： 1494-1500.

［23］ 丁忠军，赵子毅，张春堂，等. 载人潜水器的深海地貌线结构光三维重建［J］. 红外与激光工程， 2019， 48（5）： 11-19.

DING Z J， ZHAO Z Y， ZHANG C T，. 3D reconstruction of deep sea geomorphologic linear structured light based on manned submersible［J］.， 2019， 48（5）： 11-19.（in Chinese）

［24］ HOLAK K， CIESLAK P， KOHUT P，. A vision system for pose estimation of an underwater robot［J］.， 2020： 1-15.

［25］ JEON I， LEE I. 3d reconstruction of unstable underwater environment with sfm using slam［J］.，， 2020，： 957-962.

［26］ POPE R M， FRY E S. Absorption spectrum （380-700 nm） of pure water. II. Integrating cavity measurements［J］.， 1997， 36（33）： 8710-8723.

［27］ ZHANG Z. A flexible new technique for camera calibration［J］.， 2000， 22（11）： 1330-1334.

［28］ MATOS G， BUSCHINELLI P， PINTO T. Underwater laser triangulation sensor model with flat refractive interfaces［J］.， 2020， 45（3）： 937-945.

［29］ MU D Y， XU G L， DONG W D. A simple calibration method for line-structured light vision sensor based on planar target of different positions［C］. 2020，（）1012，2020，，IEEE， 2020： 117-121.

［30］ 严婷婷，李锋，王琦. 高斯加权的二维灰度重心法提取光条中心［J］. 计算机工程与设计， 2020， 41（12）： 3570-3574.

YAN T T， LI F， WANG Q. Gaussian weighted two-dimensional gray center of gravity method for extracting strip center［J］.， 2020， 41（12）： 3570-3574.（in Chinese）

［31］ 吴頔，吕且妮，卢琳，等. 基于互相关和改进高斯拟合的光斑中心提取方法［J］. 光电子·激光， 2017， 28（2）： 202-210.

WU D， LU Q N， LU L，. Spot center extraction based on cross correlation and improved Gaussian fitting［J］.， 2017， 28（2）： 202-210.（in Chinese）

［32］ LEUTENEGGER S， CHLI M， SIEGWART R Y. BRISK： binary robust invariant scalable keypoints［C］. 2011613，2011，，IEEE， 2011： 2548-2555.

［33］ CALONDER M， LEPETIT V， STRECHA C，.：［M］. Computer Vision-ECCV 2010. Berlin， Heidelberg： Springer Berlin Heidelberg， 2010： 778-792.

3D mapping of submarine topography by laser line scanning based on pose correction by triangular displacement method

FAN Chengcheng1，DE Xiaowei1，GUO Jinjia1*，CAO Youwen1，LU Zeyu2，SONG Linna1，ZHANG Xilin3

（1，，266100，；2（），266237，；3，，266237，），：

As a three-dimensional （3D） imaging technology， laser line scanning has been widely used in underwater target detection and topographic mapping. In this study， a set of underwater laser line scanning experimental equipment is constructed， and images obtained using a calibrated laser line scanning device are processed via laser strip extraction， feature extraction， and matching； subsequently， 3D reconstruction is performed. To mitigate the interference of underwater scattering particles， the light strip extraction algorithm is used， where the single channel threshold and gray center methods are combined to improve the accuracy of light strip extraction. Consequently， a higher robustness is achieved compared with that afforded by other light strip center extraction algorithms. In terms of feature extraction and matching， an image-based triangular displacement estimation method for system positioning and pose correction is proposed herein. This method applies the principle of line-structured light triangulation to estimate the scene depth， matches feature points to estimate system displacement， and fuses point cloud data to complete pose correction. We performed a standard ball accuracy test in a laboratory using a self-developed line scanning system， and the error can be controlled below 1 mm within a distance of 800–2500 mm. In 2019 and 2020， we performed 3D imaging tests of deep-sea seabed terrains with an ROV using the abovementioned system. The tests successfully validated the pose correction method of the proposed triangular displacement method in a sloped seabed sand area， and further tests were performed on the seabed terrain under different conditions. The results demonstrate that the corrected laser line scanning imaging device can perform imaging rapidly and accurately with a high degree of morphology reduction.

3D imaging； laser line scanning； pose correction； submarine topography scanning

TN247；TP391

A

10.37188/OPE.20223010.1170

1004-924X（2022）10-1170-11

2021-10-25；

2021-12-18.

青岛市海洋工程与技术智库联合基金项目（No.20211119-2）；山东省重点研发计划项目（No.2020CXGC010706）

范承成（1997），男，安徽黄山人，硕士研究生，2019年于安徽大学获得学士学位，现就读于中国海洋大学光学工程专业，主要从事激光三维成像方面的研究。E-mail： fcc_ouc@163.com

郭金家（1979），男，山东青岛人，教授级高级工程师，博士生导师，2001年于山东师范大学获得学士学位，2004年、2012年于中国海洋大学分别获得硕士和博士学位，现就职于中国海洋大学信息科学与工程学部物理与光电工程学院，主要从事海洋激光探测技术的研究。Email： opticsc@ouc.edu.cn