多波束点云中复杂河道断面地形的自动提取方法

针对水下地形复杂、多波束点云数据量冗余、无拓扑结构、密度分布不均匀,高效率、高精度提取河道断面难度大的问题,提出了一种基于改进DP算法的多波束点云中复杂河道断面地形的自动提取方法。该方法根据河道场景内点云的空间分布特征剔除噪点;通过桩点将点云分割成线性数据结构体,并转换到独立坐标系内,实现点云断面提取与组织管理;分析断面曲线与拟合曲线的亲和度,保留形态特征点和平滑点、剔除冗余点,完成断面形态精化。定性结果表明:该方法自动化程度高、形态特征点保留完整、冗余度有效降低。定量评价表明:面积差百分比平均值为0.02%、冗余度降低百分比平均值为80.85%,在降低数据冗余度的同时,河道断面形态、面积精度未受损失。

面向水流三维登记探索的多波束点云去噪及应用

针对多波束点云数据去噪难以保留精细特征,无法精确“锁定”河床形态问题,本文提出了一种面向自然资源确权水流三维登记探索的多波束点云去噪算法。以KD树搜索为基础,引入统计滤波理论进行多尺度噪声分类,并剔除大尺度噪声;针对小尺度噪声,在信息熵理论基础上,以主成分分析算法为基础,以信息熵最小原则确定最优邻域,并据此构建曲率信息熵对双边滤波因子进行优化改进,以实现水下地形点云去噪与精细特征保留的目的。试验结果表明,本文算法具有可行性,能够有效保证水下地形的精细特征,并能够应用于自然资源水流三维登记。

多波束点云滤波算法初步研究及适用性分析

为提高多波束数据处理的准确性和简便性,研究了多波束水深点云处理的策略和关键算法,构建了kd-tree(k-dimensional tree)结构加速点云查找,针对大尺度噪点设计了半径滤波和统计滤波算法,针对小尺度噪点提出了双边滤波算法,并对以上算法的适用性进行了探讨分析。实验结果表明,当设置适合的滤波阈值,半径滤波和统计滤波能高效去除大尺度噪点,且保留地形特征,总误差分别为2.25%和2.76%。在大尺度噪点去除的基础上,改进的双边滤波可以实现地形平滑的同时,保持水深点云的有效数据量。研究成果为多波束点云数据的自动化处理提供了解决方案,对多波束测量工作的效果和效率提升做了有益尝试。

一种顾及水下地形特点的多波束点云去噪算法

针对包含大量噪声的多波束点云去噪问题,顾及水下地形特点设计算法去除近地表噪声和明显离群噪声。算法基于RANSAC算法思想拟合局部平面,结合统计分析方法去除给定阈值范围之外的噪声;结合共面法矢量特征预判去除离群面并探测保留陡坡等高程梯度变化明显的敏感地形。通过减少点云数据检索次数、使用哈希表等方式优化算法,提高执行效率。能够保证地形一致性的同时较好地保留区域边界等信息。最后,设计实验对多波束点云去噪结果达到预期,并对实验结果进行探讨提出后续研究方向。

结合多波束点云强度和高程信息滤波算法研究

针对含有鱼群或水草等生物水域精确地形获取困难,存在大量贴近地表的噪声点且难以滤除等问题,提出一种结合多波束点云数据强度和高程信息的滤波算法。首先根据多波束原始点云数据的强度信息对数据进行初步分类,然后利用高程四分法选取地形种子点,最后根据种子点与周围点云数据的强度和高程信息,实现数据的准确分类,达到滤波效果。试验结果与形态学滤波算法、自适应坡度滤波算法对比分析,结果表明所提算法在含有植被和鱼群等生物水域滤波效果明显,Ⅰ类、Ⅱ类误差降低了6%和10%左右,总误差降低了7%左右,验证了所提算法的有效性和可行性。

基于多波束点云的水下柱桩及桩间距高精度确定方法

受海水介质环境复杂、桩体倾斜以及测量误差大的影响,水下圆柱桩位置的高精度、低成本、高效率确定一直是港口工程建设中的一个难点。为此,提出了一种基于多波束点云的水下圆柱桩及桩间距高精度确定方法。该方法首先基于多波束测量实现桩体及海床点云数据低成本、高效获取。考虑桩体属性信息、点云法向量和高程等几何信息,利用一种综合阈值分割方法实现了桩体点云的有效提取。还提出了顾及桩体形态、测量误差的桩体中心位置综合确定方法,实现桩体相对位置和桩间距的高精度确定。该方法得到了实际工程验证,取得了优于5 cm的桩体相对位置和桩间距确定精度。

基于k-d树的多波束点云边缘与孔洞提取算法

多波束测深数据广泛服务于水下地形测量。一些基于测深数据的应用需要提取测深数据的边缘轮廓和探测数据中的空洞。针对已有边缘识别算法执行效率低、边界点提取不完整等问题,通过分析点云模型的局部几何属性,提出一种新的基于k-d树的由粗到精的边缘提取算法。首先抽稀测深数据,基于k-d树建立散乱点云的拓扑关系;然后计算散乱点云法向量,采用距离及角度阈值法进一步提取孔洞与边缘轮廓点并去除错误识别的点;最后基于凹包算法,精确获取边缘轮廓点。在西太平洋海域的实验表明:相较于Alpha-shape和Boundary estimation算法,本算法能够更为精确地识别出散乱点云中的边界点,实用性强。

二次CUBE滤波算法及在边坡乱石区测深数据处理中的应用

针对传统CUBE(combined uncertainty bathymetry estimation)算法在水下边坡乱石区多波束测深数据滤波中表现出的水深估计不准确、地形特征模糊和粗差剔除能力不足等问题,基于乱石区测深数据特点,提出二次CUBE滤波算法,给出了位置和水深同步估计的思想和方法、顾及地形梯度的平面和水深不确定度传递模型、参考水深的多重估计和优选新算法,以及顾及地形梯度的二次水深估计模型,综合实现了乱石区水深的准确估计和粗差的自动准确检测。试验表明,本文给出的方法实现了粗差的自动准确剔除,提高了传统CUBE算法水深估值的精度,算法效率和抗差性更强,形成的地形特征更加准确。