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。

编码八叉树在多波束测深数据中的应用与分析

多波束测深数据在水下地形地貌研究与应用中具有十分重要的价值。针对多波束测深数据量大,相关处理方法效率低等问题,提出一种基于莫顿编码的八叉树海量点云数据结构。首先,根据点云的包围盒大小及最大深度进行空间划分;然后,对各个节点赋予索引值,并对索引值进行二进制编码,建立基于莫顿编码的八叉树数据结构;最后,以SOR(statistical outlier removal)滤波实验为例,测试提出的数据结构在邻域内快速搜索的效率,结果表明,基于莫顿编码的八叉树数据结构具有更高的搜索效率,对于提高海量测深数据处理效率具有一定参考意义。