背景與挑戰
在水下機器人導航與結構檢測中，高濁度水域會導致可見光快速衰減，單目視覺重建不僅無法取得可靠特徵點，亦缺乏深度尺度資訊。根據 arXiv:2508.03408v2，當懸浮顆粒濃度超過 10 NTU（Nephelometric Turbidity Unit）時，視覺影像的對比度與細節解析度皆顯著下降，進而影響傳統 SLAM 或三角測量法的穩定性。另一方面，聲納對濁水與光照不均有天然抗性，但解析度受限且存在仰角歧義，無法直接產生高精度細節重建。為此，業界亟需一套兼具高韌性與精度的即時場景重建解決方案。
光學 vs 聲學
單目視覺法利用影像特徵匹配與深度學習模型，能在清澈水域中以高解析度生成稠密點雲，但容易受光衰與顆粒散射影響（根據《IEEE J. Ocean Eng.》2020年報告）。記者式多波束或掃描式聲納在低能見度環境下仍能提供穩定量測，典型解析度約為 1° × 1°，深度精度可達厘米級，惟缺少細節面貌。若單獨依賴其中一種感測器，便難以兼顧細節與可靠性。裝備雙模態感測器雖可提升性能，卻增加系統複雜度與成本，且同步與校準更是技術挑戰。
融合方法架構
本研究提出一種「區域匹配」為核心的光聲融合即時重建策略。首先，在影像中透過改良 U-Net 並結合注意力機制（Attention）偵測出顯著區域，避開傳統 SIFT／ORB 特徵對水下模糊影像不友善的缺點；同時，從聲納回波中萃取音強與回波時間資訊，生成深度（Range）與仰角候選集。接著，透過基於多目標稀疏優化（Sparse Optimization）的區域對應演算法，將影像區域與聲納量測配對，解決仰角歧義並恢復長度尺度。最後，整合視覺深度線索與聲納量測結果，於 GPU 上以 CUDA 實現並行化運算，確保每秒可產生超過 30FPS 的稠密點雲，達到即時性需求。該方法兼具對光衰抗性與高解析度重建能力，並以公式化流程降低工程實作門檻。
實驗與效能分析
研究團隊在實驗室中構建 0－50 NTU 濁度水槽，並與單目深度學習模型（Monodepth2）與多波束聲納（BlueView P900）做比較。結果顯示，當濁度超過 20 NTU 時，Monodepth2 的稠密點雲誤差迅速飆升至 0.45m，而聲納方案雖維持穩定深度精度（約 0.08m），卻在物體邊緣解析度低於 30%（根據內部 Benchmark）。本方法在相同濁度下，平均深度誤差控制於 0.12m 以內，且邊緣解析度較聲納提高 2.3 倍。於碼頭與停泊區實地測試中，也證實此策略能在動態水流與遮蔽結構下維持高穩定度，符合《Journal of Field Robotics》標準的可靠性指標。
開源與未來方向
為促進學術與產業落地，團隊已將完整程式碼與數據集依 Apache-2.0 授權釋出於 GitHub（github.com/OptiAcousticLab/SceneReconstruction）。開放架構模組化設計，方便用戶根據硬體配置替換感測器、調整網路參數，並在 ROS2／Docker 環境中提供範例套件。未來工作將優化端對端時序同步機制，引入生成式 AI 於稀疏點雲補全，並探討多機協作的跨域融合策略，以應對更複雜水下場景。
結論與展望
總體而言，透過「區域匹配」的光聲融合架構，本方法在高濁度環境中取得即時、可靠且高解析度的場景重建成果。相較於單一感測器方案，能有效抗雜訊干擾並補足視覺或聲納的先天弱點。對水下機器人巡檢、結構檢測與考古調查等應用場域具有高實用價值。後續工作將持續整合 AI 輔助補全技術與多機協同，提升重建精度與覆蓋範圍，並邀請社群貢獻更多典型場景資料。歡迎下載試用並回饋意見。
