一种机载LiDAR测深航带同名点确定方法技术

本发明专利技术公开了一种机载LiDAR测深航带同名点确定方法，属于测量距离、水准或者方位和采用无线电波的反射或再辐射的定位或存在检测技术领域，用于测深航带同名点确定，包括：基于获取的机载LiDAR测深数据，提取海底地形特征，顾及邻域地形复杂度多指标模型，进行同名点粗确定，结合同名点间距约束与RANSAC算法，剔除错误点对进行同名点精确定。本发明专利技术进行相邻航带间同名点精确定，解决了浅水海域机载LiDAR测深同名点提取困难的问题，为进一步提升测深数据处理及应用提供有效的技术支撑和解决方案。案。案。

【技术实现步骤摘要】
一种机载LiDAR测深航带同名点确定方法


[0001]本专利技术公开了一种机载LiDAR测深航带同名点确定方法，属于测量距离、水准或者方位和采用无线电波的反射或再辐射的定位或存在检测


技术介绍

[0002]机载LiDAR测深系统具有测量精度高、测点密度高，工作效率高、机动性强、测量连续性等特点，特别适合于浅水区、海岛礁附近区域等复杂地形的快速探测，可以实现海岸线水上水下地形的无缝拼接，被广泛地应用于海岸带、海岛礁等浅水区域复杂地形的快速探测中。由于机载LiDAR系统属于航带测量，为保障测量全覆盖，相邻航带间需保持一定的重合度。出于系统误差等原因，相邻航带间点云往往存在位移，需要通过航带拼接获得全覆盖、连续的点云。其中，同名点的确定是实现航带拼接的关键环节。海底点云数据主要通过多波束测深系统与机载LiDAR测深系统获取。其中，多波束测深系统是水下地形测量的主要手段之一，其数据融合往往采用基于特征的同名点确认方法。机载LiDAR测深系统常用于海岛礁等浅水区地形的快速探测，但其点云密度低、厚度大，同名点特征稀少且提取困难，因此当前可用于机载LiDAR测深海底点云数据同名点确定的方法较少。
[0003]现有方法主要有：使用抗差最小二乘法进行同名点对筛选，该方法操作简单方便，但对海量测深数据的粗差剔除与系统差的补偿仍存在盲区；隐式B样条曲面拟合方法和最小二乘趋势面方法对重叠区域点云进行权值分配来过滤同名点，该方法较好地提升了航带拼接的精度，但在大范围水域测量中的过滤效果不够理想；最长公共子序列方法实现水下航带数据对应点的稳健估计，该方法获取海岛区域同名点的可靠性较高，但在提取特征区分度不明显的水域中精度偏低。

技术实现思路

[0004]本专利技术公开了一种机载LiDAR测深航带同名点确定方法，解决现有技术中机载LiDAR测深相邻航带间同名点特征提取困难的问题。
[0005]一种机载LiDAR测深航带同名点确定方法，包括：步骤1：基于获取的机载LiDAR测深数据，提取海底地形特征；步骤2：顾及邻域地形复杂度多指标模型，进行同名点粗确定；步骤3：结合同名点间距约束与RANSAC算法，剔除错误点对进行同名点精确定。
[0006]提取海底地形特征包括：利用LM算法构建海底点云局部模型，如式（1）所示：（1）；式中：(x，y，z)为激光点三维坐标，a、b、c、d、e、f为趋势面模型系数。
[0007]基于式（1）计算激光点坡度φ、曲率C
G
、粗糙度K
r
；S1.1.计算采样点x，y方向上的坡度，如式（2）所示：
ꢀꢀ
(2)；式中：φ
x
和φ
y
分别表示采样点x、y方向上的坡度；采样点坡度计算如式（3）所示：(3)；S1.2.选择高斯曲率(C
G
)作为地形特征参数，已知在曲面中，每个点都具有两个曲率半径分别为R
max
和R
min
，与最大曲率C
max
和最小曲率C
min
存在C
max
=1/R
max
、C
min
=1/R
min
的关系，其中R
max
和R
min
分别是式(4)中关于曲率半径R的两个根：(4)；式中：；计算高斯曲率C
G
，如式（5）所示：(5)；S1.3.计算地形粗糙度如式（6）、（7）所示：(6)；(7)；式中：S
s
表示该采样点的局部拟合曲面面积，S
E
表示该采样点的局部拟合曲面相对应地表水平投影的面积。
[0008]进行同名点粗确定包括：S2.1.构建邻域地形复杂度多指标模型，获取每个邻域点的坡度、曲率、粗糙度以及每个邻域点与采样点的距离，采用KD树算法确定邻域点集，选用反距离权重法构建邻域地形复杂度多指标模型，如式（8）所示：
(8)；式中：ω
j
=1/r
j
，代表权重；n为P
i
邻域点的个数；j=1,2,
…
,n；P
i
为点云中任意一点， r
j 代表其邻域点距P
i
的距离；φ
j
为P
i
的第j个邻域点的坡度；为P
i
的第j个邻域点的高斯曲率；为P
i
的第j个邻域点的粗糙度；φ
NT
(P
i
)、(P
i
)、(P
i
)分别表示邻域地形复杂度坡度、曲率、粗糙度指标；S2.2.阈值约束，设置最大容许误差约束系数ε以实现阈值的自动选取，设机载LiDAR测深系统获取的两条相邻航带为点云A、B，先计算出点集A、B的平均地形特征参数，计算公式如式（9）所示： (9)；式中：N
A
、N
B
分别为点集A、B中的点的数量，φ
Ai
、φ
Bi
表示点集A、B中第i点的坡度；和表示点集A、B中第i点的曲率；和表示点集A、B中第i点的粗糙度；为点集A和B共同的平均坡度、平均曲率、平均粗糙度；S2.3.求取A、B点集的地形特征值，与式（9）中所求取的平均值间的绝对差值，将绝对差值进行升序排列后，选用第N
r
位的差值作为正确同名点间地形差异的最大容许量，即阈值T0、T1、T2，设置最大容许误差约束系数为ε，则N
r
可表示为式（10）：
ꢀꢀ
(10)；计算阈值T0、T1、T2如式（11）所示：(11)；式中：N=N
A
+N
B
，ε为百分比，其中Δφ1、Δφ2、Δφ3、
…
、Δφ
N
代表A、B点集中各点
对间的坡度特征差值，代表A、B点集中各点对间的曲率特征差值，代表A、B点集中各点对间的粗糙度特征差值；S2.3.同名点粗确定，依据构建出的邻域地形复杂度多指标模型定义同名点粗确定条件，如式（12）所示：(12)；式中：为A、B点集中相应点间坡度差异，为A、B点集中相应点间曲率差异，为A、B点集中相应点间粗糙度差异。
[0009]对进行同名点精确定包括：
ꢀ“
潜在同名点对”间的距离Li如式（13）所示：(13)；式中：i=1,2,3,
…
,n，其中n代表“潜在同名点集”中点对的数量，x
Ai
、y
Ai
、z
Ai
代表航带A中“潜在同名点”的坐标值，x
Bi
、y
Bi
、z
Bi
代表航带B中“潜在同名点”的坐标值；求出点对集合S的对应点对距离的最大值L
max
与最小值L
min
，从集合S中随机选取一对同名特征点并计算其欧式距离差，统计其它点对的欧式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机载LiDAR测深航带同名点确定方法，其特征在于，包括：步骤1：基于获取的机载LiDAR测深数据，提取海底地形特征；步骤2：顾及邻域地形复杂度多指标模型，进行同名点粗确定；步骤3：结合同名点间距约束与RANSAC算法，剔除错误点对进行同名点精确定。2.根据权利要求1所述的一种机载LiDAR测深航带同名点确定方法，其特征在于，提取海底地形特征包括：利用LM算法构建海底点云局部模型，如式（1）所示：（1）；式中：(x，y，z)为激光点三维坐标，a、b、c、d、e、f为趋势面模型系数。3.根据权利要求2所述的一种机载LiDAR测深航带同名点确定方法，其特征在于，基于式（1）计算激光点坡度φ、曲率C
G
、粗糙度K
r
；S1.1.计算采样点x，y方向上的坡度，如式（2）所示：(2)；式中：φ
x
和φ
y
分别表示采样点x、y方向上的坡度；采样点坡度计算如式（3）所示：(3)；S1.2.选择高斯曲率(C
G
)作为地形特征参数，已知在曲面中，每个点都具有两个曲率半径分别为R
max
和R
min
，与最大曲率C
max
和最小曲率C
min
存在C
max
=1/R
max
、C
min
=1/R
min
的关系，其中R
max
和R
min
分别是式(4)中关于曲率半径R的两个根：(4)；式中：；计算高斯曲率C
G
，如式（5）所示：(5)；S1.3.计算地形粗糙度如式（6）、（7）所示：(6)；(7)；
式中：S
s
表示该采样点的局部拟合曲面面积，S
E
表示该采样点的局部拟合曲面相对应地表水平投影的面积。4.根据权利要求3所述的一种机载LiDAR测深航带同名点确定方法，其特征在于，进行同名点粗确定包括：S2.1.构建邻域地形复杂度多指标模型，获取每个邻域点的坡度、曲率、粗糙度以及每个邻域点与采样点的距离，采用KD树算法确定邻域点集，选用反距离权重法构建邻域地形复杂度多指标模型，如式（8）所示：(8)；式中：ω
j =1/r
j
，代表权重；n为P
i
邻域点的个数；j=1,2,
…
,n；P
i
为点云中任意一点，r
j 代表其邻域点距P
i
的距离；φ
j
为P
i
的第j个邻域点的坡度；为P
i
的第j个邻域点的高斯曲率；为P
i
的第j个邻域点的粗糙度；φ
NT

【专利技术属性】
技术研发人员：徐文祥，宿殿鹏，阳凡林，王斌，于孝林，闫豆豆，贺佳伟，李劭禹，郑一非，马肇彤，张硕，胡瑾鑫，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：