多波束异常测深数据检测方法实践

由于现有的交互式滤波和自动滤波不能满足大区域、高密度多波束测深数据滤波的需要,为此,本文给出了易于改善自动化滤波的趋势面法和基于抗差M估计的选权迭代加权平均法。前者适合于显著粗差的探测,对小粗差不敏感;后者由于对被检测点邻域内的观测点具有选择性,加之采用迭代实现推值,因而对于粗差具有较强的探测能力,检测和滤波结果较趋势面法更为合理。

多波束数据内业处理方法研究

多波束数据内业处理主要依靠CARIS软件进行,其自动滤波结果中往往包含较多异常数据点,传统的处理方式是依靠人工编辑剔除异常数据,导致内业处理时间较长、效率很低。针对这一问题,本文提出了利用自研点云滤波工具提高多波束数据内业处理效率的方法。首先对传统的多波束数据处理流程进行了介绍,分析了影响总体处理时间的主要问题;其次对自研的点云滤波工具进行了介绍,并借助于该工具对传统的多波束数据处理流程进行改进;最后通过对实测数据进行处理来验证本文提出的方法。实验结果表明,本文方法处理结果与人工编辑结果水深差值中误差仅为0.083 m,但处理时间极大缩短,内业处理效率得到了很大提升。