共查询到10条相似文献,搜索用时 31 毫秒
1.
针对水下多波束地形测量点云去噪问题,提出了一种基于阈值自适应确定的点云滤波算法。首先引入虚拟网格对多波束点云进行分区编号,并采用二次分层统计法剔除显著离群噪点;其次归一化计算网格内种子点与邻域各点的坡度角,引入k-Medoids聚类算法自适应更新坡度阈值;最后按照多尺度滤波窗口逐级对点云进行迭代运算,得到精细化地形点云。2个实验区的多波束点云滤波实验结果表明,本文算法能较好去除多波束点云的噪声和非地形点,有效提高坡度阈值的自适应性,滤波精度有明显提升,可以适用于大规模的多波束点自动化云滤波工作。 相似文献
2.
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。 相似文献
3.
4.
基于多波束测深的地形定位是水下潜器导航技术研究和发展的重点,多波束测深数据的高精度快速重采样是水下地形匹配定位的前提。传统的实时抽稀方法因对多波束测深数据模型的过分简化而效果欠佳。参考Douglas-Peucker算法和点云数据抽稀方法,采用角度-弦高联合准则对多波束每ping数据进行抽稀处理,参考导航地形图对抽稀后的多ping数据基于点云离散度进行二次抽稀处理,从而实现多波束测深数据的高精度快速抽稀处理。典型的数学仿真地形和实测多波束条带数据实验表明:文中提出的抽稀方法数据抽稀率仿真地形在85%以上,实测地形在90%以上,数据抽稀前后点云构成的曲面DEM误差在3%以内,并且算法实时性较好。 相似文献
5.
6.
地面三维激光扫描技术以其高精度、高密度等优点,在潮间带地形测量中得到了非常广泛的应用。为了对潮间带地形地貌进行精确反演,必须对点云数据中的非地面点(主要是植被点)予以滤波。对地面三维激光扫描回波强度数据的距离效应进行改正,利用改正后强度数据实现了一种快速精确的植被滤波方法。实验结果表明:与商业软件利用点云几何信息进行植被滤波相比,根据回波强度数据进行植被滤波的精度约为75%,且大大减少了计算量,对潮间带高精度三维地形重构有重要研究意义和应用价值。 相似文献
7.
海底底质的快速探测和精细划分对海洋工程建设 、海洋资源开发等具有重要意义。多波束探测是目前声学底质遥测 的有效手段之一, 通常提取多波束反向散射强度图像和地形数据中的多维特征结合分类器进行底质分类。一方面, 若特征空 间维数过高, 分类效率会显著降低; 另一方面, 个别特征容易放大原始数据处理过程中仍存留的异常现象。针对这一问题, 本文提出了一种结合 Re1iefF 算法和随机森林 (Random Forest, RF) 算法的多波束底质分类方法。提取反向散射强度和地形 共 16 维特征, 利用Re1iefF 算法进行特征筛选, 排除低相关性特征, 降低特征空间维数, 结合采样点数据进行模型训练以构 建多波束底质分类模型。试验结合随机森林算法对未经特征筛选 、经主成分分析 (Principa1 Component Ana1ysis, PCA) 特征 优化后的特征进行分类实验作为对比。本文方法 Kappa 系数达到 85%, 分类总精度高于 90%, 精度具有明显优势, 耗时也 比较短。可见, 本文提出的结合 Re1iefF 和随机森林模型的多波束底质分类方法可以在保证分类精度的同时对多维特征进行 优化, 有效地提高了分类效率, 可对海底底质分类研究提供参考。 相似文献
8.
9.
多波束测深数据存在横摇误差、纵摇误差、艏摇误差等,需进行校准。当前主要采用商业软件Caris进行人工手动校准,自动校准主要采用迭代最邻近算法等。针对Caris需要人工干预以及ICP容易陷入局部循环的缺陷,采用3D正态分布变换的配准方式,通过建立联合概率密度函数,采用似然函数建立匹配点云与目标点云之间转换关系。利用Hessian矩阵和梯度向量求最优化转换参数,完成多波束条带的自动校准。本文结合Caris中的人工配准结果,通过对3D-NDT算法匹配效果进行对比分析,验证了文中算法在平坦地区、斜坡区域等多种地形中都取得了更优的匹配效果,为实现多波束自动校准提供了重要的算法依据。 相似文献
10.
多波束测深是一种广泛使用的水下地形探测方式。当前多波束数据处理技术日臻完善,但是多波束条带间自动匹配仍存在较多问题。针对水下复杂环境、多波束自动匹配效果不佳的问题,采用点云直方图 (point feature histograms,PFH)自动匹配算法,对条带点云进行自动匹配。因直方图所在的高维超空间为特征描述提供一类量化信息,对点云对应曲面的多维姿态具有鲁棒性和适用性。因此,在多波束自动匹配算法中采用PFH算法。实验数据由6205侧扫多波束测深系统获取,并对实验数据采用随机抽样一致算法(random sample consensus,RANSAC)进行定性定量分析,验证本文算法的优势,并分析相关不足。 相似文献