基于声呐图像的目标检测是水下感知领域的重要组成部分,在水声学研究中应用广泛。然而,水下环境复杂,声呐成像实验成本较高,声学图像的数量和质量难以得到保障。国际上用于研究的声呐数据集公开程度有限,基于监督学习的算法性能在很大程度上又取决于所采集数据的数量和质量,这些问题限制了水下目标检测任务的完成,因此进一步扩充声呐图像数据集成为该领域亟待解决的重要问题之一。现有的研究多基于旋转平移等操作,与声呐成像原理相冲突,未能全面考虑水下目标的多样性与影响声呐成像的物理因素。针对上述问题,本论文通过研究基于射线声学的仿真成像技术,设计一种可重现侧扫声呐设备的模拟器,用以获取接近物理真实的声呐图像,降低声学目标成像数据的获取难度,为水下目标检测提供数据支撑,具有一定的实际应用价值。本文的主要内容如下:首先,通过分析声学图像的目标种类,提出本文选取目标物的原则,利用机器人仿真软件Gazebo与三维引擎Open Scene Graph分别对目标物和海洋环境进行建模处理,构建虚拟水下场景。其次,设计实时侧扫声呐成像模拟器,在图形处理器上将光栅化与选择性射线追踪技术相结合,仅计算被声反射的物体表面从而减少计算量,将反射表征为两个声呐渲染参数即脉冲距离和回波强度。在算法设计中,将实际物理过程与声传播相结合,对声呐图像中存在的声音衰减、斑点噪声、混响和材料属性等进行建模处理,基于图形学技术将参数处理成模拟的声呐数据,在没有真实数据的情况下,该模拟器可以生成具有多样性的模拟侧扫声呐图像,降低现场实验的风险。最后,利用该模拟器生成各种水下目标物的侧扫声呐图像,本文提供一个命名为Underwater Object Simulation Image的数据集。通过将模拟图像与松山湖实验采集的声呐图像进行对比,证明模拟器可以获取接近物理真实的图像;通过改变仿真参数,分析其对声呐图像质量的影响,表明模拟图像存在与真实图像类似的物理现象,证明该模拟器的有效性;通过计算渲染图像的时间,证明模拟器能够在线处理声学数据,从而为所依托的“水下敏捷机器人协同作业平台”项目提供声学数据支撑。