多波束异常测深数据检测方法实践

由于现有的交互式滤波和自动滤波不能满足大区域、高密度多波束测深数据滤波的需要,为此,本文给出了易于改善自动化滤波的趋势面法和基于抗差M估计的选权迭代加权平均法。前者适合于显著粗差的探测,对小粗差不敏感;后者由于对被检测点邻域内的观测点具有选择性,加之采用迭代实现推值,因而对于粗差具有较强的探测能力,检测和滤波结果较趋势面法更为合理。     

基于聚类分析的多波束测深数据滤波方法研究

现有的多波束测深数据滤波方法,在滤波效果和有效信息的保留问题上还不够完善。文中提出对测深数据滤波时,先设定小阈值,尽可能地剔除错误数据,再对滤出数据作聚类分析回收有效信息,防止信息丢失。     

面向多波束测深数据的双向布料模拟自动滤波算法

针对现有多波束测深数据的滤波算法需要人工干预且难以实现自动滤波的问题,在布料模拟滤波基础上,提出了一种基于双向布料模拟(bidirectional cloth simulation filtering, BCSF)的多波束测深数据滤波算法。首先,基于二次曲面（Levenberg-Marquardt）算法拟合构建传递式迭代趋势面,消除海底负异常数据;然后,构建BCSF修正模型,确定最终海底滤波面,解决海底凹凸地形或具有成簇噪点的复杂海域地形容易产生的过度滤波问题;最后,对分类海底点与非海底点的距离阈值进行了自适应优化与估计,进一步提高BCSF滤波结果的准确性。将所提算法应用于实测多波束测深数据,实验结果表明,与布料模拟滤波相比,所提算法不仅克服了过度滤波的缺陷,而且实验区域的整体测试数据的噪点剔除率从12.87%下降到0.76%,局部测试数据的噪点剔除率从15.29%下降到1.09%;与基于不确定度理论的多波束测深滤波相比,所提算法更加简洁,易于技术实现,人工干预很少,保留了更多的地形细节,具有较好的鲁棒性和应用前景。     

利用滚动圆变换的多波束测深数据滤波算法

针对现有多波束测深数据自动滤波算法通常存在因过分追求人工滤波平滑效果,而有可能造成海底微地貌或小型障碍物被不合理删除的问题,以Ping为多波束测深数据处理单元,利用滚动圆变换具有在给定精度条件下可对线要素一定尺度的凹(凸)部进行定量识别和分析的特性,提出了基于滚动圆变换的多波束测深数据滤波算法。在VC++环境下对此算法的正确性和有效性进行了实验验证,结果表明,该算法能在保持海底地形完整性的基础上较好地滤除多波束测深数据中的粗差数据,有利于提高粗差检测的效率。     

多波束测深的异常数据编辑技术和实现

因为海况、仪器噪声、海水中浮游生物等因素存在,测深数据中含有大量的异常数据和噪声,由于数据量大,如何有效定位异常数据和噪声是目前国际上的研究热点。本文详细介绍了手工交互式编辑和常用的几种自动编辑方法,并重点介绍了基于测点密度的图像滤波方法,阐述了多波束测深数据编辑软件的实现,对多波束测深数据的快速编辑有一定的参考意义。     

多波束测深数据并行滤波算法

针对提高节结合不确定度的水深评估算法执行速度的问题,该文在传统的CUBE滤波算法基础上提出一种适用于多核架构的并行滤波算法。把测深数据滤波分解为构造CUBE网格和估算网格节点水深两个环节,然后针对各环节特点设计对应的并行计算方法。通过两种方法提高滤波速度:一是通过合理的并行策略把计算任务分配到多个处理器核上并行执行;二是引入基于堆结构的排序方法提高数据滤波速度。实验结果表明,所设计算法在四核处理器上运行时,能够将滤波速度提高约2.74倍。     

多波束测深异常数据检测与剔除方法研究综述

针对多波束测深数据处理在测深异常数据检测与剔除方法上存在的不足,综合分析了近几十年国内外研究人员在多波束测深异常数据检测与剔除方法方面的研究成果,根据工作原理将其分为基于数据统计理论和基于函数或统计推值比较两类方法,选取中值滤波、小波分析、CUBE算法、趋势面滤波、最小二乘支持向量机滤波法等典型的多波束异常数据检测方法进行重点介绍,并通过列表的方式对不同检测方法进行优缺点对比分析。最后总结了多波束测深异常数据检测与剔除方法研究的现状和趋势。     

姿态测量误差对多波束测深数据影响分析

姿态测量误差在很大程度上影响着多波束测深数据的质量,通过分析姿态测量误差对波束脚印归位的影响,对试验数据进行统计分析,得出纵摇、横摇、航偏角等姿态测量误差对波束点位坐标的影响规律。     

利用Bayes估计进行多波束测深异常数据探测

在海底地形变化连续、平缓的假设条件下,基于Bayes估计理论提出了多波束测深异常数据探测方法,并与选权迭代加权平均滤波法进行了分析和比较。结果证明,该方法可以解决测深异常值判断标准可靠性的问题,而且能合理、有效地探测出异常值。     

多波束测深数据的误差分析与处理

本文介绍的误差处理模型对保证多波束测深系统必要的精度和数据质量有着重要的实际意义。     

遗传算法在海洋测深异常数据处理中的应用

在海底地形变化连续、平缓的假设条件下,基于遗传算法理论提出了多波束测深异常数据探测新方法.为了说明该方法的正确性和合理性,将其与趋势面滤波法进行了分析和比较.结果证明该方法能充分利用遗传算法的优化特性,对海洋测深异常值进行合理、有效地探测.     

利用水深不确定度探测测深异常值的方法

利用最小二乘支持向量机(LS-SVM)合理地构造出海底趋势面关键在于训练样本的选取。在构造海底趋势面的过程中,提出并实现了一种基于不确定度优化训练样本的方法。为了检验该方法的有效性,选取实测的多波束测深数据进行验证,并与趋势面滤波法进行比较。结果表明,该方法能有效地抑制较大偏差训练样本的影响,构造的海底趋势面更为合理,测深异常值的剔除也更为有效。     

利用水深不确定度探测测深异常值的方法

利用最小二乘支持向量机(LS-SVM)合理地构造出海底趋势面关键在于训练样本的选取.在构造海底趋势面的过程中,提出并实现了一种基于不确定度优化训练样本的方法.为了检验该方法的有效性,选取实测的多波束测深数据进行验证,并与趋势面滤波法进行比较.结果表明,该方法能有效地抑制较大偏差训练样本的影响,构造的海底趋势面更为合理,...     

有色噪声作用下的卡尔曼滤波

利用GPS载波相位三差观测量进行动态定位(或精密导航),就必须研究有色噪声滤波的理论问题.根据需求,推导了动态噪声、观测噪声为有色噪声的线性系统滤波公式,并证明白噪声卡尔曼滤波是有色噪声卡尔曼滤波的特例,或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广.     

顾及局部统计特征的均值滤波方法及其应用

针对Caris软件自动滤波结果中仍存在较多异常数据点、手工剔除需要耗费较长时间的问题,提出了一种基于局部统计特征的均值滤波方法。先利用局部统计特征剔除局部异常点,再结合均值滤波方法估计格网点水深值。实验结果表明,方法处理结果与手工编辑结果水深差值中误差仅为0.121 m,而处理时长极大缩短,对工作效率的提升很大。     

基于改进的坡度滤波算法的LiDAR数据滤波

以规则格网来组织数据对坡度滤波方法进行改进,通过比较格网最低点与邻域最低点的坡度得到初始地形,再通过比较格网点与邻域格网最低点的判断获得数据点的地形信息,试验结果表明,对坡度的滤波方法有很大改进,也改善了滤波效果。     

基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波

提出了一种基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波方法。该算法将虚拟网格的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。基于虚拟网格生成的初始表面模型是一个规则网格,在初始表面模型上进行地面点的选取,可以极大地提高运算效率。在改进的坡度滤波算法中,提出了4个坡度阈值,克服了经典坡度滤波算法在地形急剧变化的地方可能发生的错误。实验结果表明,该算法可以提取出大多数地面点,生成比较精确的DEM,证明了该算法的可行性。     

一种顾及水下地形特点的多波束点云去噪算法

针对包含大量噪声的多波束点云去噪问题,顾及水下地形特点设计算法去除近地表噪声和明显离群噪声。算法基于RANSAC算法思想拟合局部平面,结合统计分析方法去除给定阈值范围之外的噪声;结合共面法矢量特征预判去除离群面并探测保留陡坡等高程梯度变化明显的敏感地形。通过减少点云数据检索次数、使用哈希表等方式优化算法,提高执行效率。能够保证地形一致性的同时较好地保留区域边界等信息。最后,设计实验对多波束点云去噪结果达到预期,并对实验结果进行探讨提出后续研究方向。