Skip to content
BranchesTags

Repository files navigation

Multibeam — 多波束测深自动测线规划系统

基于机器学习预测模型的多波束测深自动测线规划工具，实现从原始海图网格数据到覆盖次数分析、聚类分区、测线规划、统一统计与可视化输出的全流程自动化。

当前架构要点

当前版本已经完成统一网格重构，核心原则是：

  1. 先根据原始数据和专利误差项求最优网格边长 d
  2. 后续覆盖次数、聚类分区、收益判断、覆盖统计、细网格状态图全部复用这套统一网格
  3. 不再在每个分区内部重新生成第二套局部细网格

这意味着项目现在采用的是：

单一统一网格真相（single grid truth）

技术栈

组件 版本/说明
Python >= 3.12
NumPy >= 2.4 — 核心数值计算
Pandas >= 3.0 — Excel 读写、指标统计
scikit-learn >= 1.8 — RandomForestRegressor、KMeans、StandardScaler
Matplotlib / Seaborn >= 3.10 / 0.13 — 可视化输出
OpenPyXL >= 3.1 — Excel 引擎
Joblib >= 1.4 — 模型序列化
Shapely >= 2.0 — 几何相交检测辅助
包管理 uv

包结构

multibeam/
├── main.py                          # 入口：四阶段流水线编排
├── model/                           # 模型训练（一次性脚本）
│   ├── TrainHeightModel.py
│   └── TrainGradientModel.py
├── tool/
│   ├── Tool.py                      # Excel 读取、模型加载、训练辅助
│   ├── Data.py                      # 运行时推理门面（ModelManager 懒加载）
│   └── geometry.py                  # 几何计算辅助
├── multibeam/
│   ├── GridCell.py                  # Phase 1: 最优网格边长 d 计算
│   ├── Coverage.py                  # Phase 2: 统一网格重采样 + 覆盖次数矩阵
│   ├── Partition.py                 # Phase 3: 基于统一网格的 KMeans 分区
│   ├── coverage_state_grid.py       # 统一网格覆盖状态管理与分区视图
│   ├── Planner.py                   # Phase 4: 测线规划核心调度
│   ├── planner_visualizer.py        # 绘图与最终图输出
│   ├── planner_utils.py             # 规划几何工具
│   └── models.py                    # 数据类与枚举
└── data/
    ├── data.xlsx                    # 原始海图网格数据（坐标单位：海里）
    └── *.pkl                        # 预训练随机森林模型

模块职责

模块 职责
tool.Tool 读取 data.xlsx、加载模型、训练辅助
tool.Data 深度 / 梯度 / 覆盖宽度等运行时查询接口
multibeam.GridCell 计算最优网格边长 d，并处理统一网格边界截断
multibeam.Coverage 在统一网格上预测深度并计算覆盖次数矩阵
multibeam.Partition 对统一网格上的有效海域格进行聚类分区
multibeam.coverage_state_grid 统一网格上的覆盖状态管理、收益判断、统计与渲染数据生成
multibeam.Planner 基于统一网格与分区结果执行测线规划
multibeam.planner_visualizer 输出分区图、测线图、统一细网格状态图
multibeam.models LineRecord、PartitionResult、TerminationReason 等数据模型

核心业务流（四阶段流水线）

data.xlsx
  │
  ├─► [Phase 1] GridCell.calculate_optimal_mesh_size()
  │       输入: 原始 Excel 深度网格（坐标单位海里）
  │       输出: 最优网格边长 d（米）
  │       规则:
  │         - 使用专利误差项 E(d, ξ)
  │         - d 严格小于原始数据网格边长
  │
  ├─► [Phase 2] Coverage.calculate_coverage_matrix_with_ml()
  │       输入: 海域边界 + d
  │       输出:
  │         - xs, ys                    统一网格坐标
  │         - depth_matrix             重采样深度矩阵
  │         - coverage_matrix          覆盖次数矩阵
  │         - boundary_mask            有效海域掩码
  │         - cell_effective_area      每格真实有效面积
  │         - cell_area_ratio          每格有效面积比例
  │
  ├─► [Phase 3] Partition.partition_coverage_matrix()
  │       输入: xs, ys, coverage_matrix, boundary_mask
  │       特征: (X, Y, coverage_count, gx, gy)
  │       注意:
  │         - 仅对 boundary_mask=True 的有效格聚类
  │         - 无效格在 cluster_matrix 中标记为 -1
  │
  └─► [Phase 4] Planner.SurveyPlanner.plan_all()
          输入: 统一网格 + 分区矩阵
          规则:
            - 规划算法主体沿用当前实现
            - 不再在分区内重建第二套网格
            - step 从统一网格 d 派生
            - microstep 从统一网格 d/2 派生并裁剪到 [10, 70]
            - full 判定为 9/9 采样点全部覆盖
          输出:
            - 分区测线图
            - 全局分区视图
            - 全局细网格状态视图
            - dot.csv
            - metrics.xlsx

统一网格与边界处理

为什么不要求海域边长能整除 d

d 由专利误差项和原始网格分辨率约束共同确定，不会为了整除海域边长而二次修改。

边界处部分网格如何处理

若海域边长不能被 d 整除，则边界处会出现部分超出海域的格子。当前项目采用：

  1. 固定 d 不变
  2. 使用 arange 生成覆盖整个海域的统一网格
  3. 对边界格使用：
    • boundary_mask：该格是否与海域有正面积重叠
    • cell_effective_area：该格在海域内的真实有效面积
    • cell_area_ratio：有效面积占满格面积比例
    • sample_mask：采样点中哪些点真正落在海域内

因此：

  • 覆盖次数计算不需要改理论公式
  • 聚类只针对有效海域格
  • 统计不会把边界 partial cell 当成完整 d² 硬算

网格边长 d 的计算原则

当前采用：

  • 理论圆面积：A = π ξ²
  • 离散邻域面积：B = N(d, ξ) · d²
  • 半径设定：ξ = w_max / 2
  • 专利误差项：E(d, ξ) = (1 - |A - B| / A) ξ²

实现上：

  1. 保留专利误差项不变
  2. min_error 仍表示相对面积误差阈值
  3. 内部将其映射为专利误差项下限
  4. 候选 d 上界限制为严格小于原始数据网格边长

当前默认：

  • min_error = 0.001 (= 0.1%)

聚类分区说明

Partition.partition_coverage_matrix() 当前不是只看 (X, Y, coverage_count)，而是使用：

  • X
  • Y
  • coverage_count
  • gx
  • gy

这样做的目的是：

  1. 保证空间连续性
  2. 让地形剧变区域更容易形成合理边界

同时当前版本已经明确：

  • 只对 boundary_mask=True 的有效格聚类
  • 无效格统一标记为 -1

测线规划说明

当前 SurveyPlanner 的核心几何规划逻辑保持不变，主要包括：

  1. 主测线双向延伸

    • 从分区中心附近起点出发
    • 沿梯度垂线方向向前后两端延伸

  2. 正向 / 反向垂直扩展

    • 围绕主测线向两侧扩展从测线

  3. 收益驱动终止

    • 新点或新线段若不再触达任何 non-full cell，则停止该方向扩展

当前规划参数派生规则

  • cell_size = d
  • step = d
  • microstep = clip(d / 2, 10, 70)
  • sampling_points = 9
  • full_threshold = 1.0

即：

统一网格不仅用于统计，也直接驱动规划收益判断与步长尺度。

关键实体 / 数据结构

数据模型

实体 结构 说明
LineRecord line_id, partition_id, points[N,3], length, coverage, terminated_by 单条测线即时指标
PartitionResult partition_id, lines[], records[], total_length, total_coverage 单个分区规划结果
TerminationReason NONE, BOUNDARY, LOW_VALUE, ... 测线终止原因枚举

统一网格核心矩阵

名称 结构 说明
depth_matrix float[rows, cols] 统一网格重采样深度矩阵
coverage_matrix int[rows, cols] 每个统一网格被覆盖的次数
boundary_mask bool[rows, cols] 是否属于有效海域
cell_effective_area float[rows, cols] 每格真实有效面积
cluster_matrix int[rows, cols] 分区矩阵；无效格为 -1
测线点数组 float[N, 3] [x, y, w_total]

预训练模型

模型文件 预测目标 特征 来源
height_random_forest_model.pkl 深度 z (x, y) data.xlsx
gx_random_forest_model.pkl gx (x, y) 深度矩阵中心差分归一化
gy_random_forest_model.pkl gy (x, y) 深度矩阵中心差分归一化

输入数据格式 (data.xlsx)

(无表头)
列0: 空        列1: Y坐标    列2+: X坐标
行0: 空
行1: 空        空           X坐标值 (海里)
行2+: Y坐标值   空           深度矩阵 Z[j][i]

注意：

  • Excel 中原始坐标单位是海里
  • 运行时统一换算到米

配置参数（当前实现）

参数 默认值 所在文件 说明
theta 120° 多处 换能器开角
n 0.1 Planner.py 重叠率
min_error 0.001 (=0.1%) GridCell.py 相对面积误差阈值（内部映射到专利误差项）
U None main.py / Partition.py 分区数；默认通过 Elbow 自动确定
sampling_points 9 coverage_state_grid.py 每格采样点数
full_threshold 1.0 Planner.py / coverage_state_grid.py 9/9 采样点全部覆盖才算 full
step d Planner.py 规划步长直接由统一网格边长派生
microstep clip(d/2, 10, 70) Planner.py 坡度差分步长由统一网格派生
海域范围 X: 0~5×1852, Y: 0~4×1852 main.py 真实海域边界（米）

快速开始

# 1. 安装依赖
uv sync

# 2. （首次运行或模型需要更新时）训练模型
python model/TrainHeightModel.py
python model/TrainGradientModel.py

# 3. 运行完整流程
python main.py

输出说明

输出目录默认位于：

multibeam/output/<timestamp>/

典型内容：

multibeam/output/<timestamp>/
├── lines/
│   ├── <partition_id>/line_*.png
│   ├── all_partitions_final_partition_view.png
│   ├── all_partitions_final_fine_grid_view.png
│   └── dot.csv
├── metrics/
│   └── metrics.xlsx
└── partition/
    ├── elbow_method.png
    └── partition_U=<U>.png

其中：

  • all_partitions_final_partition_view.png：全局分区底图 + 测线
  • all_partitions_final_fine_grid_view.png：全局统一细网格状态 + 测线
  • metrics.xlsx：分区统计与全局统计

当前版本特征总结

当前版本的关键特征可以概括为：

  • 专利误差项选取统一网格 d
  • 统一网格贯穿覆盖次数、聚类、规划、统计、可视化
  • 边界 partial cell 通过有效面积修正处理
  • 聚类排除无效海域格
  • 规划步长与微步长由统一网格直接派生
  • full 判定采用 9/9 全覆盖严格口径

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

1 fork
Report repository

Releases

Packages

Contributors

Languages