一种基于机载LiDAR测深系统的水下点云去噪方法与流程

本发明属于测绘科学与技术领域，涉及一种点云去噪方法，具体为一种基于机载LiDAR测深系统的水下点云去噪方法。

背景技术：

机载LiDAR(Light Detection And Ranging，激光探测与测量)测深系统属于主动测深系统，是采用扫描测量方式从空中发射激光来进行探测水深的方法，测深系统在进行测量作业时会发射红外光和蓝绿光两种波长的激光脉冲，其中红外波段不易穿透海水从而探测到水面后就进行回波，而波长处于0.47～0.58μm之间的蓝绿光穿透海水时的衰减最小，穿透性强且方向性好，故蓝绿波段可探测到海底。其在浅于50米的沿岸水域，具有无可比拟的优越性，特别是能够高效快速测量浅海岛礁暗礁及船只无法安全到达的水域，为海岸带的周期性、应急性监测提供了新的技术手段。由于设备精度的限制、散射的影响以及水体浮游物的反射特性等，导致LiDAR测深系统采集的三维点云中不可避免的存在许多粗差点，即为噪声点，如不将这些噪声点剔除，势必会影响后期水下地形的提取。因此，点云去噪是整个LiDAR测深点云数据处理流程中必不可少的重要环节。

目前，点云去噪的方法大都是针对传统红外LiDAR测高系统采集的三维点云，噪声点占比少、分布离散，通过点云高程值的分布即可初步剔除噪声点。高程均值离差方法是基于统计学原理实现点云去噪，该方法的思想是：噪点的个数远小于非噪声点的个数，因此计算区域内所有点的高程均值，然后统计出每个点与高程均值的差值，最后根据高程差是否大于预先设定的阈值作为判定标准检测出噪声点并予以剔除。

高程均值离差方法对孤立点状噪声有较好的剔除效果，但对块状噪声的剔除效果不理想，尤其是当噪声点分布密于非噪声点分布时的情况，需预先设定阈值，且该阈值的设定很难确定，不具有普适性。

此外，机载LiDAR测深系统在测量水深时，水体为主要的传输介质，作为传输介质，水体相比于空气对于激光的影响更为复杂，除散射外，还有水体折射、水体对于激光的衰减等，特别是对于复杂的水质环境，只依靠传统的点云噪声剔除方法很容易检测出错误噪声点。

技术实现要素：

本发明针对背景技术中去噪方法对于块状噪声的剔除效果不理想、阈值难以设定和去噪可靠性较差的问题，提出了一种对于块状噪声的剔除效果较好且去噪可靠性高的基于机载LiDAR测深系统的水下点云去噪方法。

一种基于机载LiDAR测深系统的水下点云去噪方法，其特征在于，包括以下步骤：

S100：波形分析，读取点云的波形信息，通过对波形信息的分析来判断点云的类型，将点云判定为水下地形点、可疑点或噪声点，滤除噪声点；

S200：测深性能参数验证，将通过步骤S100判定后得到的可疑点进行测深性能参数验证，通过验证判定可疑点为水下地形点或噪声点，滤除噪声点；

S300：高程均值离差迭代去噪，将通过步骤S100和步骤S200判定后得到的水下地形点进行高程均值离差迭代去噪，得到最终水下地形点。

进一步的，步骤S100中所述的波形信息为蓝绿激光的回波强度。

进一步的，所述步骤S100波形判断具体为：

S101：确定判断阈值；

S102：确定缩放范围x；

S103：确定判定条件，进行水下地形点、噪声点和可疑点的判定：若蓝绿激光回波强度在(δ*(100％+x％),+∞)范围内，则判定该点为水下地形点，若蓝绿激光回波强度在(-∞，δ*(100％-x％))范围内，则判定该点为噪声点，若蓝绿激光回波强度在[δ*(100％-x％),δ*(100％+x％)]范围的点被判为可疑点。

进一步的，所述缩放范围x为20。

进一步的，所述判断阈值为蓝绿激光的回波强度阈值，所述判断阈值通过以下几个参数确定：激光发射强度、水的漫衰减系数、水底反射率、大气影响和测深系统器件参数。

进一步的，所述判断阈值包括深水通道判断阈值或浅水通道判断阈值。

进一步的，所述步骤S200测深性能参数验证具体为：

S201：确定激光测深系统测深性能标准系数k；

S202：确定水的漫衰减系数；

S203：计算测深系统能够探测到的最大深度D_max，具体为

S204：将通过步骤S100判定后得到的可疑点的水深值h与D_max进行比较，若h＞D_max，则将该点判定为噪声点，若h≤D_max，则将该点判定为水下地形点。

进一步的，所述步骤S300高程均值离差迭代去噪具体为：

S301：计算所有水下地形点的高程均值其中，μ_i为水下地形点的高程值，n为水下地形点数量；

S302：计算所有水下地形点的高程值中误差其中，m为迭代的次数；

S303：确定噪声点判断阈值θ_th，确定迭代终止阈值θ；

S304：噪声点判断，若水下地形点的高程值满足条件，则判定为噪声点；

S305：重复步骤S501～步骤S504，计算每次重复过程中得到的中误差σ_m与上一次重复过程中得到的中误差σ_m-1的比值，若，则终止重复过程；

S306：滤除通过判定得到的噪声点，将滤除噪声点后的水下地形点作为最终水下地形点。

进一步的，所述步骤S303中噪声点判断阈值θ_th为2σ。

进一步的，所述步骤S303中迭代终止阈值θ为90％。

本发明提出的点云去噪方法是针对机载LiDAR测深系统采集的水下点云数据，通过波形分析初步判断水下地形点、噪声点和可疑点，这一步对点云去噪起引导作用；通过测深性能参数验证上一步骤中水深较深的可疑点，最后通过对上述两步骤获取的水下地形点进行高程均值离差迭代去噪以完成整个噪声点的剔除和最终水下地形点的提取工作。针对机载LiDAR测深系统采集的点云数据，本发明所提出的水下点云去噪方法与传统点云去噪方法相比，采用波形分析去噪，有效剔除块状噪声；在高程均值离差迭代去噪过程中，采用自适应阈值进行迭代去噪，判断阈值具有普适性，提高了去噪结果的可靠性，能够保证水下地形提取精度，具有更好的去噪效果。

附图说明

图1为本发明的步骤流程图；

图2为本发明波形分析步骤流程图；

图3为本发明测深性能参数验证步骤流程图；

图4为本发明高程均值离差迭代去噪步骤流程图；

图5为选取的CZMIL测深系统所采集的试验点云数据(高程剖面)；

图6为未经改进的高程均值离差方法对试验数据进行点云去噪后效果图(高程剖面)；

图7为本发明方法对试验数据进行步骤S100云去噪后效果图(高程剖面)；

图8为本发明方法对试验数据进行步骤S200点云去噪后效果图(高程剖面)；

图9为本发明方法对试验数据进行步骤S300点云去噪后效果图(最终水下地形点高程剖面)。

具体实施方式

下面结合附图及实施例，对本发明的技术方案做详细描述。

实施例1：

机载LiDAR(Light Detection And Ranging，激光探测与测量)测深系统属于主动测深系统，是采用扫描测量方式从空中发射激光来进行探测水深的方法，测深系统在进行测量作业时会发射红外光和蓝绿光两种波长的激光脉冲，其中红外波段不易穿透海水从而探测到水面后就进行回波，而波长处于0.47～0.58μm之间的蓝绿光穿透海水时的衰减最小，穿透性强且方向性好，故蓝绿波段可探测到海底，通过计算红外激光脉冲和蓝绿激光脉冲的回波时间差来计算水下深度。该方法在浅于50米的沿岸水域，具有无可比拟的优越性，特别是能够高效快速测量浅海岛礁暗礁及船只无法安全到达的水域，为海岸带的周期性、应急性监测提供了新的技术手段。

本发明为一种基于机载LiDAR测深系统的水下点云去噪方法，本发明所提出的去噪方法对传统的高程均值离差方法进行改进，为了弥补该方法对块状噪声的剔除效果不足，先对点云数据进行波形分析以确定噪声点和水下地形点的大致位置分布，再通过测深性能参数对水深较深的疑难点进行剔除，最后通过高程均值离差不断迭代达到去噪的目的。步骤流程如图1所示，具体步骤如下:

S100：波形分析，读取点云的波形信息，通过对波形信息的分析来判断点云的类型，将点云判定为水下地形点、可疑点或噪声点。

S200：测深性能参数验证，将通过步骤S100判定后得到的可疑点进行测深性能参数验证，通过验证判定可疑点为水下地形点或噪声点。

S300：高程均值离差迭代去噪，将通过步骤S100和步骤S200判定后得到的水下地形点进行高程均值离差迭代去噪，得到最终水下地形点。

本发明所提出的点云去噪方法首先从水下点云获取的原理出发，根据点云的波形特征进行分析判断，机载激光测深系统测量水深时发射一定强度的蓝绿激光，该蓝绿激光透过海水经海底反射回来的激光强度大于一定的阈值才认为是水下地形点，因此，在本实施例中，波形分析过程中用于判断阈值的波形信息为激光蓝绿激光的回波强度，如果激光回波的波形为红外激光和蓝绿激光波段叠加的波形，则进行判断第二次回波的强度，即蓝绿激光的回波强度。

波形分析的步骤流程如图2所示，具体步骤如下：

S101：确定判断阈值δ，本实施例中，CZMIL(Coastal Zone Mapping and Imaging LiDAR)测深系统的判断阈值可分为深水通道判断阈值和浅水通道判断阈值，其中深水通道阈值为200，浅水通道阈值为50。所述判断阈值通过以下几个参数确定：激光发射强度、水的漫衰减系数、水底反射率、大气影响和测深系统器件参数。

S102：确定缩放比例x，通过设置缩放比例来确保判断的准确性，本实施例中，缩放比例取值为20，即对判断阈值进行正负20％的缩放。

S103：确定判定条件，进行水下地形点、噪声点和可疑点的判定：若蓝绿激光回波强度在(δ*(100％+x％),+∞)范围内，则判定该点为水下地形点，若蓝绿激光回波强度在(-∞，δ*(100％-x％))范围内，则判定该点为噪声点，若蓝绿激光回波强度在[δ*(100％-x％),δ*(100％+x％)]范围的点被判为可疑点。

由于步骤S100波形分析后得到的可疑点大部分是水深较深的类水下地形点，因此，可通过LiDAR测深性能参数进一步确定是否为噪声点。

测深性能参数验证的步骤流程如图3所示，具体步骤如下：

S201：确定激光测深系统测深性能标准系数k，本实施例中，k为CZMIL(Coastal Zone Mapping and Imaging LiDAR)测深系统的标准系数，值为4.0。

S202：确定水的漫衰减系数，本实施例中，该数据区Kd值约为0.5m^-1。

S203：计算测深系统能够探测到的最大深度D_max，具体为本实施例中计算出D_max为8米。

S204：将通过步骤S100判定后得到的可疑点的水深值h与D_max进行比较，若h＞D_max，则将该点判定为噪声点，若h≤D_max，则将该点判定为水下地形点。

测深性能参数验证可以采用以上步骤，也可采用塞克盘深度数据验证法。

经过步骤S100和步骤S200判定得到的的水下地形点中仍有可能存在极少数噪声点，因此，采用高程均值离差迭代的方法进行过滤去噪。如若有部分噪声点可据此方法剔除，反之没有噪声点，由于点云的密集性，采用此方法不影响整体水下地形的提取。本发明中采用的高程均值离差迭代去噪方法是对传统高程均值离差去噪方法的改进，该方法不预先设定高程差阈值，而是通过2倍中误差作为判断阈值，自动过滤并不断迭代高程差中误差，使其在保证点云过渡平顺性的同时最大限度的剔除噪声点。

高程均值离差迭代去噪的步骤流程如图4所示，具体步骤如下：

S301：计算所有水下地形点的高程均值其中，μ_i为水下地形点的高程值，n为水下地形点数量。

S302：计算所有水下地形点的高程值中误差其中，m为迭代的次数。

S303：确定噪声点判断阈值θ_th，确定迭代终止阈值θ，本实施例中，噪声点判断阈值θ_th为2σ，迭代终止阈值θ为90％。

S304：噪声点判断，若水下地形点的高程值满足条件，则判定为噪声点。

S305：重复步骤S501～步骤S504，计算每次重复过程中得到的中误差σ_m与上一次重复过程中得到的中误差σ_m-1的比值，若，则终止重复过程。

S306：滤除通过判定得到的噪声点，将滤除噪声点后的水下地形点作为最终水下地形点。

选取一组CZMIL(Coastal Zone Mapping and Imaging LiDAR)测深系统采集的水域数据进行噪声点剔除试验，其中图5是原始点云数据(高程剖面)，图6为未经改进的高程均值离差的方法点云去噪后的效果图(高程剖面)，其中阈值设为0.5米，图7、图8和图9为本发明所述方法的经步骤S100、步骤S200和步骤S300处理后的的点云去噪后的效果图(高程剖面)。

试验结果对比可知：未经改进的高程均值离差的方法在计算高程均值时易受噪声点影响出现很大的偏差导致去噪效果不理想，特别是当噪声点的分布密于水下地形点的分布时；采用本发明所述方法进行点云去噪结果更可靠，更能精准的提取水下地形数据。

应当理解，以上借助优选实施例对本发明的技术方案进行的说明是示意性的而非限制性的。本领域的普通技术人员在上述实施例的基础上可以对各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。