一种基于蒙特卡罗匹配的机载激光测深航带拼接方法与流程

本发明属于海洋测绘技术领域，具体涉及一种基于蒙特卡罗匹配的机载激光测深航带拼接方法。

背景技术：

机载激光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。对于满足海洋、测绘、水利、交通、外交、海军等多方面的迫切需求，具有重要意义。

机载激光水深测量属于条带式面状测量的一种，为满足100％全覆盖测量要求，航线布设时要求相邻航带之间须保证20％以上的重叠度。由于受各种干扰因素的影响，在相邻重叠区域内的公共点上，必然存在一定大小的同名点深度不符值，称之为“水深相对漂移”，主要包括折射误差、传感器安装参数测量误差等，经过折射改正、系统多传感器标定校准等处理后，其残余值主要由校正残差构成，对总体海底地形测量精度产生明显影响。为了获得高精度海底地形，有必要消除或减少航带重叠区域间的差异，生成无缝产品，为水下地形测量提供质量保证。采用最近迭代点(iterativeclosestpoints，icp)算法能够进行航带拼接，但是由于数据质量差该方法会造成局部收敛问题，且拼接效率较低；三维正态分布变换(3dnormaldistributionstransform，3d-ndt)的拼接方法，利用正态分布概率描述表面信息，将航带拼接问题转化为参数优化问题，降低空间复杂度，提高了拼接效率，但较差的数据质量会影响航带拼接的稳定性，从而影响其拼接精度。

因此，有必要提出一种基于蒙特卡罗匹配的机载激光测深航带拼接方法，以增强航带拼接的鲁棒性，提高机载激光测深航带拼接精度。

技术实现要素：

针对现有技术中存在的上述技术问题，本发明提出了一种基于蒙特卡罗匹配的机载激光测深航带拼接方法，设计合理，克服了现有技术的不足，解决了初始航带质量差造成拼接精度低的问题，有效提高了机载激光测深航带拼接精度，增强了航带拼接的鲁棒性，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种基于蒙特卡罗匹配的机载激光测深航带拼接方法，包括以下步骤：

步骤1：获取机载激光测深数据，计算出海底激光点坐标；

步骤2：通过航带重叠区域水深相对漂移进行点云滤波，剔除粗差；

步骤3：构建非线性最小二乘七参数平差模型，计算七参数解；

步骤4：将蒙特卡罗模型与非线性最小二乘七参数平差模型相结合，以获得的迭代均值作为航带拼接最终转换七参数。

优选地，在步骤2中，机载激光测深点云的滤波方法如下：

步骤2.1：选定初始基准航带h1，确定相邻航带h2与h1的重叠区域；

步骤2.2：在重叠区域内进行点云数据格网化，确定重叠区域的同名点信息；

步骤2.3：利用均值及中误差σ作为粗差剔除的阈值参数；

若同名点间满足则保留该同名点，否则将其剔除；其中，为基准航带重叠水深值，为相邻航带同名点水深值；

步骤2.4：确定航带hi的相邻航带hi+1，重复步骤2.2和2.3，依次将其他航带hi+1向hi靠拢；

步骤2.5：滤波后重新进行水深相对漂移误差分析统计，当水深相对漂移中误差σ＜0.3m时，滤波结束，否则重新滤波，直至达到迭代终止条件。

优选地，在步骤3中，非线性最小二乘七参数平差模型的具体构建方法如下：

步骤3.1：构建七参数转换模型；

七参数转换模型包括3个空间平移参数、3个空间旋转参数和1个尺度因子m；空间平移参数[δx+,i+1δyi,i+1δzi,i+1]^t表示相对于x、y、z轴向的相对平移量；空间旋转参数[αβγ]^t表示相对于x、y、z轴向的相对旋转量；

具体七参数转换模型为：

其中，为基准航带点坐标，为邻接航带点坐标；

步骤3.2：确定七参数的估值；

设三维空间坐标观测值为l，其改正数为v，相应的权阵为p，用x表示选定的七个未知参数，其近似值为x⁰，相应的改正数为即估值为：

步骤3.3：基于最小二乘原理列出非线性方程组；

七参数模型误差方程组为：

根据最小二乘原理，所求的最小二乘解应满足函数：

(f(x)-l)^tp(f(x)-l)＝min(3)；

求解非线性方程组：

公式(4)的解即为所求的最小二乘解；

步骤3.4：对非线性方程组进行线性化，获取改正数

其中，为n×t×t立体阵，n为观测方程个数，t为必要观测数，i,j＝1,2,...,t；

步骤3.5：解方程式(5)，计算平差值

步骤3.6：将平差值作为近似值x⁰代入公式(5)进行迭代运算，直至改正数小于规定的阈值为止，即得到非线性最小二乘参数平差法的七参数最优解[αβγδxδyδzm]^t。

优选地，在步骤4中，蒙特卡罗模型与非线性最小二乘七参数平差模型结合解算航带拼接转换七参数的具体方法如下：

步骤4.1：将航带h2与航带h1重叠区域海底地形数据进行格网化，确定重叠区域的同名点数据集；

步骤4.2：根据蒙特卡罗匹配算法进行迭代计算转换七参数和标准差获得航带h2转换后对应的航带h2'；

步骤4.3：确定基准航带hi'的相邻航带hi+1，重复步骤4.1和4.2，依次将其他航带hi+1向hi'靠拢，求出转换七参数和标准差

本发明所带来的有益技术效果：

本发明提出了一种基于蒙特卡罗匹配的机载激光测深航带拼接方法，与现有技术相比，本发明利用蒙特卡罗统计分析理论来克服原始数据质量的影响，并通过蒙特卡罗模型与非线性最小二乘参数平差模型相结合，以获得的迭代均值作为航带拼接转换七参数，解决了初始航带质量差造成拼接精度低的问题，有效提高了机载激光测深航带拼接精度，增强了航带拼接的鲁棒性。

附图说明

图1为本发明一种基于蒙特卡罗匹配的机载激光测深航带拼接方法的流程图。

图2为本发明中非线性最小二乘七参数平差的流程图。

图3为本发明中蒙特卡罗模型与非线性最小二乘七参数平差模型结合计算航带拼接转换七参数的流程图。

具体实施方式

下面结合附图以及具体实施方式对本发明作进一步详细说明：

本发明提供了一种基于蒙特卡罗匹配的机载激光测深航带拼接方法，其流程如图1所示。包括以下步骤：

步骤1：获取机载激光测深数据，计算出海底激光点坐标。

获取机载激光测深数据,并在第一条航带测区内获取多波束测深数据。

具体的，采用机载lidar测深系统获取测深激光数据。其中有效的测深激光点是指经过姿态改正、多源数据融合、折射改正后的海底激光点。

步骤2：通过航带重叠区域“水深相对漂移”进行点云滤波，剔除粗差。

具体的，机载激光测深过程中，系统误差可通过系统检校等方法来降低，但是很难消除，残留的系统误差和单次测量的随机误差的共同影响，造成相邻航带的同名点间存在三维空间偏移，直接影响机载激光数据质量。其中水深方向相对漂移影响最为严重，且更为直观，因此在进行航带拼接前，需要对机载激光测深点云数据进行滤波，剔除粗差。

进一步的实施例中，步骤2具体包括如下步骤：

步骤2.1：选定初始基准航带h1，确定相邻航带h2与h1的重叠区域；

步骤2.2：在重叠区域内进行点云数据格网化，确定重叠区域的同名点信息；

步骤2.3：利用均值及中误差σ作为粗差剔除的阈值参数。若同名点间满足此时保留该同名点，否则需将其剔除。其中，为基准航带重叠水深值，为相邻航带同名点水深值；

步骤2.4：确定航带hi的相邻航带hi+1，重复步骤2.2和2.3，依次将其他航带hi+1向hi靠拢；

步骤2.5：滤波后重新进行水深相对漂移误差分析统计，当水深相对漂移中误差σ＜0.3m时，滤波结束，否则重新滤波，直至达到迭代终止条件。

具体实施时，航带重叠区域同名点水深标准差减小到<0.3m，误差分布得以集中合理化，为航带的顺利拼接提供了保障。

步骤3：构建非线性最小二乘七参数平差模型，计算七参数解。

具体的，非线性最小二乘参数平差法是在最小二乘条件约束下，寻求满足精确正交性条件方程的解，该模型对初值的依赖性较小，能够精确解决较大坐标差值、较大旋转角下的七参数线性模型三维坐标转换问题。当空间平移参数或旋转角较大时，采用线性最小二乘平差会存在较大的模型误差。考虑到航带质量问题，故选用鲁棒性较强的非线性最小二乘七参数平差模型来计算七参数。非线性最小二乘七参数平差的具体流程见图2。

进一步的实施例中，步骤3具体包括如下步骤：

步骤3.1：构建七参数转换模型；

七参数转换模型包括3个空间平移参数、3个空间旋转参数和1个尺度因子m。空间平移参数[δxi,i+1δyi,i+1δzi,i+1]^t表示相对于x、y、z轴向的相对平移量；空间旋转参数[αβγ]^t表示相对于x、y、z轴向的相对旋转量。

具体七参数转换模型为：

其中，为基准航带点坐标，为邻接航带点坐标；

步骤3.2：确定七参数的估值；

设三维空间坐标观测值为l，其改正数为v，相应的权阵为p，用x表示选定的七个未知参数，其近似值为x⁰，相应的改正数为即估值为：

步骤3.3：基于最小二乘原理列出非线性方程组，七参数模型误差方程组为：

根据最小二乘原理，所求的最小二乘解应满足函数：

(f(x)-l)^tp(f(x)-l)＝min(3)；

求解非线性方程组：

公式(4)的解即为所求的最小二乘解；

步骤3.4：非线性方程组线性化，获得改正数为

其中，为n×t×t立体阵(n为观测方程个数，t为必要观测数，i,j＝1,2,...,t)。

步骤3.5：解方程式(5)，计算平差值

步骤3.6：将平差值作为近似值x⁰代入公式(5)进行迭代运算，直至改正数小于规定的阈值为止，即得到非线性最小二乘参数平差法的七参数最优解[αβγδxδyδzm]^t。

具体实施时，当相邻航带重叠区域的水深相对漂移中误差σ＜0.3m时，即可进行非线性最小二乘平差。

步骤4：将蒙特卡罗模型与非线性最小二乘七参数平差模型相结合，以获得的迭代均值作为航带拼接最终转换七参数。

具体的，蒙特卡罗模型与非线性最小二乘七参数平差模型结合计算航带拼接转换七参数的流程见图3。

进一步的实施例中，步骤4具体包括如下步骤：

步骤4.1：将航带h2与航带h1重叠区域海底地形数据进行格网化(1m×1m)，确定重叠区域的同名点数据集(每个航带重叠区域统计100对同名点)；

步骤4.2：根据蒙特卡罗匹配算法进行迭代计算转换七参数和标准差获得航带h2转换后对应的航带h2'；

步骤4.3：确定基准航带hi'的相邻航带hi+1，重复步骤4.1和4.2，依次将其他航带hi+1向hi'靠拢，求出转换七参数和标准差

具体实施时，由于采用了蒙特卡罗模型进行七参数迭代运算，因此需要对其迭代次数和拼接参数质量、效率之间的关系进行分析。随着迭代次数的增加，空间旋转参数标准差和空间平移参数标准差逐渐减小；当迭代达到一定次数(100对同名点，需迭代5000次)时，空间旋转参数标准差趋于平缓，达到收敛条件，此时所得旋转参数满足航带拼接需求。因此，当重叠航带选取100对同名点时，特卡罗匹配的机载激光测深航带拼接方法需要5000次即可。

综上所述，本发明提供了一种基于蒙特卡罗匹配的机载激光测深航带拼接方法，方法包括：在航带滤波剔除粗差的前提下，通过相邻航带重叠区内的同名点集，构建非线性最小二乘七参数平差模型；并将蒙特卡罗模型与非线性最小二乘七参数平差模型相结合，以获得的迭代均值作为航带拼接最终转换七参数。本发明有效解决了初始航带质量差造成拼接精度低的问题，实现了机载激光测深航带的高精度、强鲁棒性拼接。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。