1.一种声呐测深数据自动修正方法，其特征在于，所述方法的步骤包括，接收声呐设备传入的初始测深数据图，所述初始测深数据图中包括至少一个标记有深度参数的测深点，基于预设的第一分辨率将所述初始测深数据图平均划分为多个栅格单元，得到栅格深度图；获取栅格深度图中与每个栅格单元距离最近的第一个数测深点，基于第一个数测深点中每个测深点的深度参数获取该栅格单元的深度参数，在栅格深度图中标记每个栅格单元的深度参数；计算栅格深度图的测深点中最大的深度参数和最小的深度参数之间的深度差，将所述深度差均分为第二个数高度区间，基于所述高度区间将所述栅格深度图构建为三维网格图，所述栅格深度图中的栅格单元在三维网格图中对应多个网格块；基于所述栅格单元的深度参数为该栅格单元对应的网格块赋值，并对三维网格图的所有网格块进行赋值；将完成赋值的三维网格图输入到预先完成训练的卷积神经网络模型中，所述卷积神经网络模型用于对三维网格图的深度位置进行修正，得到修正三维网格图。
2.根据权利要求1所述的声呐测深数据自动修正方法，其特征在于，建立三维坐标系，将所述修正三维网格图中的任一个网格块带入坐标系原点，基于其他网格块与坐标系原点的网格块的偏移量，计算每个网格块在三维坐标系中的位置，将所述修正三维网格图表示在三维坐标系中。
3.根据权利要求1所述的声呐测深数据自动修正方法，其特征在于，基于预设的第一分辨率将所述初始测深数据图平均划分为多个栅格单元的步骤包括，以所述第一分辨率为单位将初始测深数据图平均划分为长和宽均为第一分辨率的多个栅格单元。
4.根据权利要求1所述的声呐测深数据自动修正方法，其特征在于，基于第一个数测深点中每个测深点的深度参数获取该栅格单元的深度参数的步骤包括：分别计算栅格单元与第一个数测深点中每个测深点的距离；基于距离的值为每个测深点赋予权重，计算第一个数测深点的深度参数的加权平局值，作为该栅格单元的深度参数。
5.根据权利要求4所述的声呐测深数据自动修正方法，其特征在于，采用如下公式，计算第一个数测深点的深度参数的加权平局值：s表示加权平局值，n表示第一个数的值，i表示第一个数测深点中的任一个，s i 表示i测深点的深度参数，d i 表示i测深点与栅格单元的距离。
6.根据权利要求1所述的声呐测深数据自动修正方法，其特征在于，基于所述栅格单元的深度参数为该栅格单元对应的网格块赋值的步骤包括：在栅格单元对应的多个网格块中，将该栅格单元的深度参数所对应深度位置的网格块赋值为1，其余赋值为0。
7.根据权利要求1-6任一项所述的声呐测深数据自动修正方法，其特征在于，在将完成赋值的三维网格图输入到预先完成训练的卷积神经网络模型中的步骤之前还包括，对预设的卷积神经网络模型进行训练，包括步骤：构建训练数据集，所述训练数据集中包括成对构建的突变三维网格图和与突变三维网格图相对应的真实三维网格图，所述突变三维网格图中通过设置突变区域，改变突变区域的网格块的1的位置以模拟突变情况；将所述突变三维网格图输入到卷积神经网络模型中，以二元交叉熵损失函数作为损失函数，计算输出的三维网格图与真实三维网格图的损失函数值，基于损失函数值修改卷积神经网络模型中的参数值。
8.根据权利要求7所述的声呐测深数据自动修正方法，其特征在于，根据如下公式，计算输出的三维网格图与真实三维网格图的损失函数值：L表示损失函数值，M表示计算输出的三维网格图的网格块数量，输出的三维网格图与真实三维网格图的网格块数量相等，m表示M个网格块中的任一个， 表示输出的三维网格图的m网格块的值， 表示真实三维网格图m网格块的值。
9.一种声呐测深数据自动修正装置，其特征在于，该装置包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如权利要求1-8任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该计算机程序被处理器执行时以实现如权利要求1-8任一项所述方法的步骤。
