-
题名机载LiDAR测深点云SVB联合滤波算法
被引量:2
- 1
-
-
作者
宿殿鹏
闫豆豆
陈亮
陈雨
董箭
吴迪
于孝林
-
机构
山东科技大学测绘与空间信息学院
海军大连舰艇学院海洋测绘工程军队重点实验室
中国科学院上海光学精密机械研究所
自然资源部海洋测绘重点实验室
中测瑞格测量技术(北京)有限公司
-
出处
《测绘学报》
EI
CSCD
北大核心
2023年第4期614-623,共10页
-
基金
海洋环境保障创新开放基金(HHB004)
中国博士后科学基金(2021M700155)
+4 种基金
国家自然科学基金(52001189,41930535)
高端外国专家引进计划(G2021025006L)
山东科技大学科研创新团队支持计划(2019TDJH103)
自然资源部海洋测绘重点实验室开放基金(2021B05)
青岛市关键技术攻关及产业化示范类项目(23-1-3-hygg-1-hy)。
-
文摘
机载LiDAR测深(airborne LiDAR bathymetry, ALB)数据质量受海面破碎波浪、水体浮藻、鱼群及海底二次回波等多种因素影响。为剔除这些干扰产生的噪点,本文提出一种顾及水面、水体和水底(surface, volume, bottom, SVB)的联合滤波算法。针对水面噪点,通过构建双层布料模拟滤波模型分离水面点云;针对水体噪点,采用SOR(statistical outlier removal)滤波器剔除水体离群点;针对靠近地形主体的小尺度水底噪点,通过构建移动趋势面模型进行去噪平滑。为验证本文所提ALB滤波算法的性能,采用青岛胶州湾海域RIEGL VQ-840-G无人机载LiDAR测深数据进行验证,试验结果表明:SVB联合滤波算法对水面、水体、水底噪点一体化处理总体滤波精度和Kappa系数分别能够达到97.45%和0.947,在保证准确率的同时具有较高的效率。本文所提滤波算法可以较好地解决ALB点云滤波问题,能够为ALB测深数据点云滤波提供有效的解决方案。
-
关键词
机载LiDAR测深
SVB联合滤波
双层布料模拟
SOR滤波
移动趋势面拟合
-
Keywords
airborne LiDAR bathymetry
SVB joint-filtering
double-layer cloth analog filtering
SOR filtering
mobile trend surface fitting
-
分类号
P227
[天文地球—大地测量学与测量工程]
-