SideScanSim: An Open-Source Side-Scan Sonar Simulator for Education, Algorithm Development, and Machine Learning Training
Resumo
Este artigo apresenta o SideScanSim, um simulador de código aberto e fisicamente fundamentado para geração de imagens sintéticas de sonar sidescan (SSS), desenvolvido como ferramenta digital de aprendizado para estudantes, pesquisadores e profissionais que desejam estudar, pesquisar e trabalhar com SSS. O simulador implementa a equação do sonar, a Lei de Lambert para retroespalhamento do fundo, ray casting vetorizado para cálculo de sombras acústicas e modelagem de 9 materiais de objetos com Target Strength diferenciado. A validação quantitativa demonstra erros médios inferiores a 5% no comprimento de sombra para objetos de geometria regular, com calibração do perfil lateral de intensidade contra dois datasets públicos reais [Sethuraman et al. 2025, Santos and Moura 2023]. O SideScanSim gera automaticamente ground truth com bounding boxes, máscaras de sombra e metadados geométricos por objeto, eliminando a principal barreira ao desenvolvimento de algoritmos SSS: a escassez de dados rotulados. A ferramenta opera em qualquer computador pessoal sem hardware especializado e é disponibilizada como repositório de código aberto para apoiar a educação, o treinamento de algoritmos de detecção e classificação e a pesquisa em aprendizado de máquina no domínio SSS.
Referências
Blondel, P. (2009) The Handbook of Sidescan Sonar. Springer/Praxis, Berlin.
Goodman, J. W. (2007) Speckle Phenomena in Optics and Photonics. Roberts & Company Publishers, Englewood, CO.
Harris, C. R., Millman, K. J., van der Walt, S. J. et al. (2020) "Array programming with NumPy", Nature, v. 585, p. 357–362. DOI: 10.1038/s41586-020-2649-2.
Hunter, J. D. (2007) "Matplotlib: a 2D graphics environment", Computing in Science & Engineering, v. 9, n. 3, p. 90–95. DOI: 10.1109/MCSE.2007.55.
Jackson, D. R. and Briggs, K. B. (1992) "High-frequency bottom backscattering: roughness versus sediment volume scattering", Journal of the Acoustical Society of America, v. 92, n. 2, p. 962–977.
Jackson, D. R. and Richardson, M. D. (2007) High-Frequency Seafloor Acoustics. Springer, New York.
Jakeman, E. and Pusey, P. N. (1976) "A model for non-Rayleigh sea echo", IEEE Transactions on Antennas and Propagation, v. 24, n. 6, p. 806–814.
Lurton, X. (2002) An Introduction to Underwater Acoustics: Principles and Applications. Springer, London.
Lurton, X. and Lamarche, G. (eds.) (2015) "Backscatter measurements by seafloor-mapping sonars: guidelines and recommendations", GeoHab Backscatter Working Group Report, 200 p. Available: [link] content/uploads/2018/09/BSWG-REPORT-MAY2015.pdf.
Oliver, C. and Quegan, S. (2004) Understanding Synthetic Aperture Radar Images. SciTech Publishing, Raleigh, NC.
Riordan, J., Omerdic, E. and Toal, D. (2005) "Implementation and application of a real-time sidescan sonar simulator", In: Europe Oceans 2005, Brest, France, p. 981–986.
Santos, N. P. and Moura, R. (2023) "Side-scan sonar imaging for mine detection", Figshare Dataset, v. 2. Centro de Matemática e Aplicações, Universidade NOVA de Lisboa. DOI: 10.6084/m9.figshare.24574879.v2.
Sena, A. L. S. and Santos Neto, J. (2026) "SideScanSim: an open-source, physics-based side-scan sonar image simulator", Software, v. 4.0, MIT License. Available: [link].
Sethuraman, A. V., Sheppard, A., Bagoren, O., Pinnow, C., Anderson, J., Havens, T. C. and Skinner, K. A. (2025) "Machine learning for shipwreck segmentation from side scan sonar imagery: dataset and benchmark", The International Journal of Robotics Research, v. 44, n. 3, p. 341–354.
Urick, R. J. (1983) Principles of Underwater Sound. 3rd ed. McGraw-Hill, New York.
Vandresen, M., Rodrigues, Y., Dantas, D. de O. and Botelho, S. S. da C. (2022) "Underwater target detection in side-scan sonar images using deep learning", Ocean Engineering, v. 260, p. 112011.
Virtanen, P., Gommers, R., Oliphant, T. E. et al. (2020) "SciPy 1.0: fundamental algorithms for scientific computing in Python", Nature Methods, v. 17, p. 261–272. DOI: 10.1038/s41592-020-0772-5
