CN109544691A - 自动融合多源异构水深数据构建高分辨率dbm的mf方法 - Google Patents
自动融合多源异构水深数据构建高分辨率dbm的mf方法 Download PDFInfo
- Publication number
- CN109544691A CN109544691A CN201811310278.3A CN201811310278A CN109544691A CN 109544691 A CN109544691 A CN 109544691A CN 201811310278 A CN201811310278 A CN 201811310278A CN 109544691 A CN109544691 A CN 109544691A
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- bathymetric
- source
- difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000012876 topography Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 8
- 241001269238 Data Species 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000003643 water by type Substances 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000007796 conventional method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/30—Polynomial surface description
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种自动融合多源异构水深数据构建高分辨率DBM的MF方法。该方法通过合并‑融合的技术流程，将多波束、单波束、电子海图数据与全球海洋地形数据有机地融合在一起，以解决全球深海测深数据来源复杂、精度差异大、难以融合构建高精度数字水深模型的问题。该方法包括以下步骤：对数据进行预处理、精度评估、格网化、格网合并、融合、可视化对比分析及清理异常点，完成对多源水深数据的融合。融合的DBM能更好地反映精细的地形特征信息，在保留高分辨率地形细节特征的同时，填补了数据空白区，并可推广应用到多源异构水深数据的管理利用当中，在海洋测绘、海洋地理信息系统、海底地形地貌制图、海洋科学研究等方面具有重要的实际应用价值。
Description
技术领域
本发明涉及海洋测绘、海底地形地貌制图、计算机图形学、海洋地理信息系统和海洋科学等技术领域。
背景技术
数字水深模型(Digital Bathymetric Model，DBM)几乎是从事一切现代海洋活动的基础，高分辨率的DBM不仅可用于海图的构建，还可用于地貌特征与成因、海底构造、海洋资源等多个方面的研究。然而，由于目前仍有超过80％的全球海域未被多波束探测，在构建深海大范围DBM时仍不得不使用历史测深资料。当前大洋测深数据主要针对不同目的独立采集，导致来源和分辨率等方面存在诸多差异。全球大洋测深数据的多源复杂性，不利于高精度DBM的构建。
根据目前国内外对多源水深数据融合技术的研究，融合方法主要是基于克里金、双三次样条、张力样条等插值算法进行综合应用，如Jakobsson(2012)和Arndt等人(2013)基于张力样条算法将多波束、单波束、历史海图等水深数据进行融合，分别编制了北冰洋的国际海底地形图(IBCAO)和南大洋的国际海底地形图(IBCSO)；J.BEAMAN等人(2011)应用双三次样条算法结合不同时期的多波束、单波束和海岸线等数据，构建了南极洲东部GeorgeV大陆边缘的DBM，得到该区较详尽的海底地貌信息。试验表明，上述方法虽都能将多源水深数据进行融合，但融合后的数据空间分辨率低(>500m)，且难以保证数据稀疏区和空白区的插值精度。为了构建高精度的DBM，必须提高数据空白区的精度，同时需要保留高分辨率水深源数据的细节特征。
专利“一种基于多源水深数据融合的海底地形地貌构建方法(申请号：201310282885.4)”公开了一种通过矢量化海底地形图并添加地形特征线的海底地形保真重建方法，该方法主要针对存在水深数据的区域，没有提及如何处理数据空白区地形的融合，同时该专利也未给出多分辨率数据接边处拼接问题的解决方法。
发明内容
本发明公开了一种自动融合多源异构水深数据构建高分辨率DBM的MF(Merge-Fusion)方法，旨在解决多源数据融合过程中数据空白区和稀疏区插值精度的问题。基于连续曲率张力样条算法将多波束数据、单波束数据、电子海图数据与GEBCO数据格网化并融合，并在数据接边处建立缓冲区，以实现高精度数字水深模型的构建。
本发明是通过下述技术方案得以实现的：
一种自动融合多源异构水深数据构建高分辨率DBM的MF方法，包括下列步骤：
1)多种来源水深数据的预处理
水深数据包括多波束数据、单波束数据、电子海图数据、GEBCO数据；对水深数据进行声速改正和潮位改正，并剔除噪声点，最后建立多源水深数据库；
2)多源水深数据的精度评定
2.1)在同一水域，将多源水深数据库内的多波束数据作为基准数据；
2.2)使用平均差值公式(1)计算其它多源水深数据与多波束数据之间的平均水深差值；
其中，N表示测深数据的个数，表示平均水深差值，表示多波束水深数据，表示多源水深数据，水深值为负值；
2.3)将所得平均水深差值与水深限差进行比较，
2.3.1)若小于平均水深的2％，则符合精度要求；
2.3.2)若大于等于平均水深的2％，则返回步骤1)进行相应误差改正；
3)水深数据的格网化
对精度评定后的多源水深数据进行滤波，然后进行格网化，形成低分辨率格网；
4)不同分辨率格网的合并
利用多源水深数据库中的多波束数据生成高分辨率格网，然后与步骤3)中得到的低分辨率格网进行合并，同一位置处保留高分辨率格网的细节特征，替换低分辨率格网水深值，得到合并格网；
5)数据空白区格网的融合
6)格网可视化及异常值的清理，得到最终融合DBM。
步骤3)所述的水深数据的格网化具体如下：
3.1)块中值滤波，为避免格网内其他潜在异常值的影响，对多源水深数据库导出的离散
水深点进行块中值滤波；
3.1.1)确定奇数像元格网W；
3.1.2)格网内各像元(a，b)按数值大小进行排序；
3.1.3)根据式(2)将格网节点内的中值水深f(x，y)作为原数值g(x，y)：
f(x，y)＝median{g(x-a，y-b)，(a，b)∈W} (2)
3.2)格网化
3.2.1)采用连续曲率张力样条插值算法进行格网化，此算法基于最小曲率拟合面原则：
其中，为拉普拉斯算子；(ui，vi，wi)为已知点坐标；N为数据点个数；ζ(u-ui，v-vi)为给定的响应函数；f为数据点处曲率，
边界条件为：
3.2.2)引入张力因子t，得到：
式中，tI为拟合面内部的张力因子，在[0，1]区间内取值，
边界条件为：
其中，tB为拟合面边界处张力因子，在[0，1]区间内取值；
3.2.2.1)张力因子t＝0时，式(5)简化为式(3)，此时张力为0，得到最小曲率平滑解；
3.2.2.2)张力因子t＝1时，张力最大，得到调和样条解，张力因子选取0.32～0.4；
3.3)对低分辨率格网滤波；
3.4)对滤波后的低分辨率格网重采样，采样间隔为目标分辨率大小，得到基础格网。
步骤4)不同分辨率格网的合并具体如下：
4.1)利用多源水深数据库中的多波束数据生成高分辨率格网，然后与步骤3)中得到的低分辨率格网叠加分析，得到二者在同一位置处z的差值；
4.2)对z的差值进行判断；
4.2.1)若差值为零，不做改变；
4.2.2)若差值非零，则用多波束数据格网点内相应的值进行替换，得到合并格网；
4.3)为消除格网合并过程中出现的边缘效应，建立缓冲区；
在高分辨率格网数据一侧定义缓冲区，基于双曲线加权函数：
式中l代表到下一个高分辨率数据约束单元或者缓冲区外约束单元的距离，f表示所占权重。
步骤5)中将GEBCO格网与步骤4)得到的合并格网进行融合，具体如下：
5.1)将GEBCO格网与合并格网在数据空白区域范围内作差，即GEBCO格网内的每个数据点减去相同位置处插值数据点的值，得到包含x、y和Δz的差值文件；
5.2)对差值文件进行块中值滤波；
5.3)对滤波后的差值文件格网化，得到差值格网；
5.4)将差值格网叠加整合到合并格网，得到融合后的DBM。
步骤6)中格网可视化及异常值的清理，具体如下：
6.1)使用三维地形浏览的方法找出存在噪声、异常点的问题区域；
6.2)使用光照效果突出数据噪声区域；
6.3)最后通过曲面拟合算法对这些格网问题区域进行编辑和平差处理，以获得最佳的数字水深模型，曲面拟合算法的构建原理为：
6.3.1)根据波束点拟合出海底趋势面；
6.3.2)计算实测水深数据与趋势面间的深度差值；
6.3.3)结合误差处理理论对异常点进行剔除；
6.3.4)曲面拟合法中拟合函数的一般形式为：
式中，ξ(a，b)为曲面拟合函数，(a，b，c)为波束点的空间坐标；ωqp为各多项式系数；k，q为多项式总阶数，(am，bm，cm)为待检测点m，δ(am，bm，cm)为以m为中心的曲面拟合函数的局部曲面拟合范围。
本发明的有益效果：
本发明提出并实现了一种自动融合多源异构水深数据构建高分辨率DBM的MF方法，并给出了详细的融合技术方法流程。通过实际测试并与传统方法对比，该方法更能够体现高分辨率水深数据和数据空白区的细节信息。因此，该方法的最大优势在于，在保证数据稀疏区插值精度的同时，提高了数据空白区的精度，保留了高分辨率水深源数据的细节特征，防止了边缘效应和异常点的产生，从而获得高精度的海底DBM。为区域性或全球性DBM的构建以及多源异构水深数据的管理利用提供了实用化技术方案，具有重要的实际应用价值。
附图说明
图1是本发明实施例的流程图；
图2是图1中的多源数据格网化原理流程图；
图3是图1中的不同分辨率格网的合并流程图；
图4是图1中的数据空白区格网的融合流程图；
图5是本发明实施例中多源数据与多波束数据的水深差值对比图；
图6是本发明实施例中GEBCO数据与多波束数据的水深差值对比图；
图7是本发明实施例中构建的高精度海底DBM；
图8是本发明实施例中所用方法与传统方法接边处剖面对比图。
具体实施方式
下面结合附图和实施例对本发明做进一步的说明。
一种自动融合多源异构水深数据构建高分辨率DBM的MF方法，包括下列步骤：
本发明的流程图请见图1。
步骤一：数据的预处理
水深数据包括多波束数据、单波束数据、电子海图数据、GEBCO数据；对水深数据进行
声速改正和潮位改正，并剔除噪声点，最后建立多源水深数据库；
步骤二：多源数据的精度评定
2.1)在同一水域，将多源水深数据库内的多波束数据作为基准数据；
2.2)使用平均差值公式(1)计算其它多源水深数据与多波束数据之间的平均水深差值；
其中，N表示测深数据的个数，表示平均水深差值，表示多波束水深数据，表示多源水深数据，水深值为负值；
2.3)将所得平均水深差值与水深限差进行比较，
2.3.1)若小于平均水深的2％，则符合精度要求；
2.3.2)若大于等于平均水深的2％，则返回步骤1)进行相应误差改正；
步骤三：水深数据的格网化(详细技术流程见图2)
对精度评定后的多源水深数据进行滤波，然后进行格网化，形成低分辨率格网；
所述的水深数据的格网化具体如下：
3.1)块中值滤波，为避免格网内其他潜在异常值的影响，对多源水深数据库导出的离散
水深点进行块中值滤波；
3.1.1)确定奇数像元格网W；
3.1.2)格网内各像元(a，b)按数值大小进行排序；
3.1.3)根据式(2)将格网节点内的中值水深f(x，y)作为原数值.g(x，y)：
f(x，y)＝median{g(x-a，y-b)，(a，b)∈W} (2)
3.2)格网化
3.2.1)采用连续曲率张力样条插值算法进行格网化，此算法基于最小曲率拟合面原则：
其中，为拉普拉斯算子；(ui，vi，wi)为已知点坐标；N为数据点个数；ζ(u-ui，v-vi)为给定的响应函数；f为数据点处曲率，
边界条件为：
3.2.2)引入张力因子t，得到：
式中，tI为拟合面内部的张力因子，在[0，1]区间内取值，
边界条件为：
其中，tB为拟合面边界处张力因子，在[0，1]区间内取值；
3.2.2.1)张力因子t＝0时，式(5)简化为式(3)，此时张力为0，得到最小曲率平滑解；
3.2.2.2)张力因子t＝1时，张力最大，得到调和样条解，张力因子选取0.32～0.4；
3.3)对低分辨率格网滤波；
3.4)对滤波后的低分辨率格网重采样，采样间隔为目标分辨率大小，得到基础格网。
步骤四：不同分辨率格网的合并(详细技术流程见图3)
利用多源水深数据库中的多波束数据生成高分辨率格网，然后与步骤3)中得到的低分辨率格网进行合并，同一位置处保留高分辨率格网的细节特征，替换低分辨率格网水深值，得到合并格网；不同分辨率格网的合并具体如下：
4.1)利用多源水深数据库中的多波束数据生成高分辨率格网，然后与步骤3)中得到的低分辨率格网叠加分析，得到二者在同一位置处z的差值；
4.2)对z的差值进行判断；
4.2.1)若差值为零，不做改变；
4.2.2)若差值非零，则用多波束数据格网点内相应的值进行替换，得到合并格网；
4.3)为消除格网合并过程中出现的边缘效应，建立缓冲区；
在高分辨率格网数据一侧定义缓冲区，基于双曲线加权函数：
式中l代表到下一个高分辨率数据约束单元或者缓冲区外约束单元的距离，f表示所占权重。
步骤五：数据空白区格网的融合(详细技术流程见图4)
将GEBCO数据与步骤4)得到的合并格网融合，得到融合格网。具体如下：
5.1)将GEBCO格网与合并格网在数据空白区域范围内作差，即GEBCO格网内的每个数据点减去相同位置处插值数据点的值，得到包含x、y和Δz的差值文件；
5.2)对差值文件进行块中值滤波；
5.3)对滤波后的差值文件格网化，得到差值格网；
5.4)将差值格网叠加整合到合并格网，得到融合后的DBM。
步骤六：格网可视化及异常值的清理
6.1)使用三维地形浏览的方法找出存在噪声、异常点的问题区域；
6.2)使用光照效果突出数据噪声区域；
6.3)最后通过曲面拟合算法对这些格网问题区域进行编辑和平差处理，以获得最佳的数字水深模型，曲面拟合算法的构建原理为：
6.3.1)根据波束点拟合出海底趋势面；
6.3.2)计算实测水深数据与趋势面间的深度差值；
6.3.3)结合误差处理理论对异常点进行剔除；
6.3.4)曲面拟合法中拟合函数的一般形式为：
式中，ξ(a，b)为曲面拟合函数，(a，b，c)为波束点的空间坐标；ωqp为各多项式系数；k，q为多项式总阶数，(am，bm，cm)为待检测点m，δ(am，bm，cm)为以m为中心的曲面拟合函数的局部曲面拟合范围。
实施例1
为验证“一种自动融合多源异构水深数据构建高分辨率DBM的MF方法”的有效性和正确性，选取一块多源数据典型区进行试验并对比，具体流程：
1)数据的预处理：将多源水深数据处理为离散数据格式，投影方式和深度基准面分别统一至UTM投影和平均海平面。接下来对多源水深数据进行异常点清理，然后重新导出为离散格式，形成多源水深数据库。
2)多源数据的精度评定：离散的电子海图、单波束水深点和GEBCO数据分别与分辨率100m的多波束数据进行比较。三者分别与多波束进行一一组合，组合的准则是二者间距小于50m。选取该区域115对电子海图、207对单波束和29605对GEBCO水深对比数据，依据式(1)得到对比结果图5、图6。根据《GB 12327-1998海道测量规范》，对于电子海图、单波束数据和GEBCO数据，平均水深分别为1039m、1278m和1185m时，平均水深差都优于水深值的2％，可作为本次数据融合实验的数据集。
3)水深数据的格网化：按如图2所示步骤，对多源水深数据进行中值滤波，格网大小为1000m。随后格网化为分辨率1000m的低分辨率格网，格网化时的张力因子设置为0.32。将滤波后的低分辨率格网重采样至100m作为“基础格网”。而现有技术中的精度一般都大于等于500米。
4)不同分辨率格网的合并：按如图3所示步骤，将高分辨率水深格网与基础水深格网进行叠加分析，得到二者在同一位置处z的差值。若某点处z的差值为非零值，则用高分辨率格网内相应的水深值进行替换，得到“合并格网”。为消除多分辨率格网之间的边缘效应，在靠近高分辨率格网数据边界定义了5km的缓冲区，极大地降低了边缘效应产生的概率。
5)数据空白区格网的融合：按如图4所示步骤，，将GEBCO网格与合并格网叠加合并，得到数据空白范围内同一位置处的水深差值文件，对差值文件进行网格大小1000m的中值滤波。将滤波后的差值文件网格化为分辨率100m的差值网格。将差值网格与合并网格叠加整合，得到融合后的DBM。
6)格网可视化及异常值的清理：对融合后的水深网格进行可视化浏览，识别并高亮异常点，对这些网格问题区域进行编辑和平差处理，最终得到满意的DBM如图7。
7)不同方法所得格网接边处对比：在试验区，除本方法构建的DBM之外，只有全球数据集涵盖该区域。将本方法构建DBM与传统方法所得DBM进行比较。选取该区接边差异较大处，针对本方法和传统方法得到图8所示剖面m-m'和剖面n-n'。可看出，两种方法形成差异主要集中在距剖面线起点2-4km范围内的区域。以剖面起点为原点，剖面方向为正向，选取(2.6km，2.8km)内剖面M和N，在水深约3600m处，水深限差50m时，传统方法平均坡度为72.32°，而本方法平均坡度为37.63°，与前者相比整体过渡较为平缓。
由此可见，本方法在保证数据稀疏区插值精度的前提下，提高了数据空白区的精度，保留了高分辨率水深源数据的细节特征，防止了边缘效应和异常点的产生，获得了高精度的海底DBM，具有重要的实际应用价值。
Claims (5)
1.一种自动融合多源异构水深数据构建高分辨率DBM的MF方法，其特征在于，包括下列步骤：
1)多种来源水深数据的预处理
水深数据包括多波束数据、单波束数据、电子海图数据、GEBCO数据；对水深数据进行声速改正和潮位改正，并剔除噪声点，最后建立多源水深数据库；
2)多源水深数据的精度评定
2.1)在同一水域，将多源水深数据库内的多波束数据作为基准数据；
2.2)使用平均差值公式(1)计算其它多源水深数据与多波束数据之间的平均水深差值；
其中，N表示测深数据的个数，表示平均水深差值，表示多波束水深数据，表示多源水深数据，水深值为负值；
2.3)将所得平均水深差值与水深限差进行比较，
2.3.1)若小于平均水深的2％，则符合精度要求；
2.3.2)若大于等于平均水深的2％，则返回步骤1)进行相应误差改正；
3)水深数据的格网化
对精度评定后的多源水深数据进行滤波，然后进行格网化，形成低分辨率格网；
4)不同分辨率格网的合并
利用多源水深数据库中的多波束数据生成高分辨率格网，然后与步骤3)中得到的低分辨率格网进行合并，同一位置处保留高分辨率格网的细节特征，替换低分辨率格网水深值，得到合并格网；
5)数据空白区格网的融合，将GEBCO数据与步骤4)得到的合并格网融合，得到融合格网。
6)格网可视化及异常值的清理，得到最终融合DBM。
2.根据权利要求1所述的方法，其特征在于，
步骤3)所述的水深数据的格网化具体如下：
3.1)块中值滤波，为避免格网内其他潜在异常值的影响，对多源水深数据库导出的离散水深点进行块中值滤波；
3.1.1)确定奇数像元格网W；
3.1.2)格网内各像元(a，b)按数值大小进行排序；
3.1.3)根据式(2)将格网节点内的中值水深f(x，y)作为原数值g(x，y)：
f(x，y)＝median{g(x-a，y-b)，(a，b)∈W} (2)
3.2)格网化
3.2.1)采用连续曲率张力样条插值算法进行格网化，此算法基于最小曲率拟合面原则：
其中，为拉普拉斯算子；(ui，vi，wi)为已知点坐标；N为数据点个数；ζ(u-ui，v-vi)为给定的响应函数；f为数据点处曲率，
边界条件为：
3.2.2)引入张力因子t，得到：
式中，tI为拟合面内部的张力因子，在[0，1]区间内取值，
边界条件为：
其中，tB为拟合面边界处张力因子，在[0，1]区间内取值；
3.2.2.1)张力因子t＝0时，式(5)简化为式(3)，此时张力为0，得到最小曲率平滑解；
3.2.2.2)张力因子t＝1时，张力最大，得到调和样条解，张力因子选取0.32～0.4；
3.3)对低分辨率格网滤波；
3.4)对滤波后的低分辨率格网重采样，采样间隔为目标分辨率大小，得到基础格网。
3.根据权利要求1所述的方法，其特征在于，步骤4)不同分辨率格网的合并具体如下：
4.1)利用多源水深数据库中的多波束数据生成高分辨率格网，然后与步骤3)中得到的低分辨率格网叠加分析，得到二者在同一位置处z的差值；
4.2)对z的差值进行判断；
4.2.1)若差值为零，不做改变；
4.2.2)若差值非零，则用多波束数据格网点内相应的值进行替换，得到合并格网；
4.3)为消除格网合并过程中出现的边缘效应，建立缓冲区；
在高分辨率格网数据一侧定义缓冲区，基于双曲线加权函数：
式中l代表到下一个高分辨率数据约束单元或者缓冲区外约束单元的距离，f表示所占权重。
4.根据权利要求1所述的方法，其特征在于，步骤5)中将GEBCO格网与步骤4)得到的合并格网进行融合，具体如下：
5.1)将GEBCO格网与合并格网在数据空白区域范围内作差，即GEBCO格网内的每个数据点减去相同位置处插值数据点的值，得到包含x、y和Δz的差值文件；
5.2)对差值文件进行块中值滤波；
5.3)对滤波后的差值文件格网化，得到差值格网；
5.4)将差值格网叠加整合到合并格网，得到融合后的DBM。
5.根据权利要求1所述的方法，其特征在于，步骤6)中格网可视化及异常值的清理，具体如下：6.1)使用三维地形浏览的方法找出存在噪声、异常点的问题区域；
6.2)使用光照效果突出数据噪声区域；
6.3)最后通过曲面拟合算法对这些格网问题区域进行编辑和平差处理，以获得最佳的数字水深模型，曲面拟合算法的构建原理为：
6.3.1)根据波束点拟合出海底趋势面；
6.3.2)计算实测水深数据与趋势面间的深度差值；
6.3.3)结合误差处理理论对异常点进行剔除；
6.3.4)曲面拟合法中拟合函数的一般形式为：
式中，ξ(a，b)为曲面拟合函数，(a，b，c)为波束点的空间坐标；ωqp为各多项式系数；k，q为多项式总阶数，(am，bm，cm)为待检测点m，δ(am，bm，cm)为以m为中心的曲面拟合函数的局部曲面拟合范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811310278.3A CN109544691B (zh) | 2018-11-05 | 2018-11-05 | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811310278.3A CN109544691B (zh) | 2018-11-05 | 2018-11-05 | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109544691A true CN109544691A (zh) | 2019-03-29 |
| CN109544691B CN109544691B (zh) | 2021-07-06 |
Family
ID=65846566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811310278.3A Active CN109544691B (zh) | 2018-11-05 | 2018-11-05 | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109544691B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110853139A (zh) * | 2019-07-02 | 2020-02-28 | 中国人民解放军战略支援部队信息工程大学 | 一种多波束测深数据化简方法及装置 |
| CN113030984A (zh) * | 2021-03-08 | 2021-06-25 | 云南保利天同水下装备科技有限公司 | 一种应用于多波束声呐目标识别的3d图像重构方法 |
| CN113109793A (zh) * | 2021-03-22 | 2021-07-13 | 中交广州航道局有限公司 | 自适应分辨率水深曲面滤波方法及装置 |
| CN113313190A (zh) * | 2021-06-11 | 2021-08-27 | 湖北省地震局(中国地震局地震研究所) | 一种多源重力数据融合方法 |
| CN113325424A (zh) * | 2021-06-02 | 2021-08-31 | 上海海洋大学 | 根据多波束水深数据估算人工鱼礁空方量的方法 |
| CN117474763A (zh) * | 2023-12-26 | 2024-01-30 | 青岛埃克曼科技有限公司 | 基于神经网络的沿海低分辨率水深数据高分辨率化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855609A (zh) * | 2012-07-30 | 2013-01-02 | 南京大学 | 集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法 |
| CN103344954A (zh) * | 2013-07-08 | 2013-10-09 | 国家海洋局第二海洋研究所 | 一种基于多来源水深数据融合的海底地形地貌构建方法 |
| CN103400405A (zh) * | 2013-08-01 | 2013-11-20 | 国家海洋局第二海洋研究所 | 基于海底数字水深模型特征提取的多波束水深图构建方法 |
| US20140257750A1 (en) * | 2013-03-08 | 2014-09-11 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | System and method for estimating uncertainty for geophysical gridding routines lacking inherent uncertainty estimation |
| CN106886024A (zh) * | 2017-03-31 | 2017-06-23 | 上海海洋大学 | 深海多波束声线精确跟踪方法 |
-
2018
- 2018-11-05 CN CN201811310278.3A patent/CN109544691B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855609A (zh) * | 2012-07-30 | 2013-01-02 | 南京大学 | 集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法 |
| US20140257750A1 (en) * | 2013-03-08 | 2014-09-11 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | System and method for estimating uncertainty for geophysical gridding routines lacking inherent uncertainty estimation |
| CN103344954A (zh) * | 2013-07-08 | 2013-10-09 | 国家海洋局第二海洋研究所 | 一种基于多来源水深数据融合的海底地形地貌构建方法 |
| CN103400405A (zh) * | 2013-08-01 | 2013-11-20 | 国家海洋局第二海洋研究所 | 基于海底数字水深模型特征提取的多波束水深图构建方法 |
| CN106886024A (zh) * | 2017-03-31 | 2017-06-23 | 上海海洋大学 | 深海多波束声线精确跟踪方法 |
Non-Patent Citations (3)
| Title |
|---|
| MASSIMO FABRIS,ET AL: "HIGH RESOLUTION TOPOGRAPHIC MODEL OF PANAREA ISLAND BY FUSION OF PHOTOGRAMMETRIC, LIDAR AND BATHYMETRIC DIGITAL TERRAIN MODELS", 《THE PHOTOGRAMMETRIC RECORD》 * |
| 樊妙 等: "基于多源水深数据融合的海底高精度地形重建", 《海洋学报》 * |
| 陈义兰: "多波束数据融合方法研究", 《海岸工程》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110853139A (zh) * | 2019-07-02 | 2020-02-28 | 中国人民解放军战略支援部队信息工程大学 | 一种多波束测深数据化简方法及装置 |
| CN110853139B (zh) * | 2019-07-02 | 2024-03-19 | 中国人民解放军战略支援部队信息工程大学 | 一种多波束测深数据化简方法及装置 |
| CN113030984A (zh) * | 2021-03-08 | 2021-06-25 | 云南保利天同水下装备科技有限公司 | 一种应用于多波束声呐目标识别的3d图像重构方法 |
| CN113030984B (zh) * | 2021-03-08 | 2023-05-30 | 云南保利天同水下装备科技有限公司 | 一种应用于多波束声呐目标识别的3d图像重构方法 |
| CN113109793A (zh) * | 2021-03-22 | 2021-07-13 | 中交广州航道局有限公司 | 自适应分辨率水深曲面滤波方法及装置 |
| CN113325424A (zh) * | 2021-06-02 | 2021-08-31 | 上海海洋大学 | 根据多波束水深数据估算人工鱼礁空方量的方法 |
| CN113325424B (zh) * | 2021-06-02 | 2023-07-25 | 上海海洋大学 | 根据多波束水深数据估算人工鱼礁空方量的方法 |
| CN113313190A (zh) * | 2021-06-11 | 2021-08-27 | 湖北省地震局(中国地震局地震研究所) | 一种多源重力数据融合方法 |
| CN113313190B (zh) * | 2021-06-11 | 2022-12-13 | 湖北省地震局(中国地震局地震研究所) | 一种多源重力数据融合方法 |
| CN117474763A (zh) * | 2023-12-26 | 2024-01-30 | 青岛埃克曼科技有限公司 | 基于神经网络的沿海低分辨率水深数据高分辨率化方法 |
| CN117474763B (zh) * | 2023-12-26 | 2024-04-26 | 青岛埃克曼科技有限公司 | 基于神经网络的沿海低分辨率水深数据高分辨率化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109544691B (zh) | 2021-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544691A (zh) | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 | |
| US11450016B1 (en) | Nearshore real-time positioning and mapping method for unmanned surface vehicle with multiple distance measuring sensors | |
| US9361728B2 (en) | Submarine topography construction method based on multi-source water depth data integration | |
| CN105866762B (zh) | 激光雷达自动校准方法及装置 | |
| CN113432600B (zh) | 基于多信息源的机器人即时定位与地图构建方法及系统 | |
| CN109919070B (zh) | 一种剖面形态自适应拟合的海岸线遥感推算方法 | |
| Inglis et al. | A pipeline for structured light bathymetric mapping | |
| CN109000646B (zh) | 基于凹多边形扫描区域的无人船路径规划方法及系统 | |
| CN103400405A (zh) | 基于海底数字水深模型特征提取的多波束水深图构建方法 | |
| CN115564926B (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
| CN110796741B (zh) | 一种基于双向布料模拟的机载激光测深点云滤波方法 | |
| CN113570527B (zh) | 水上水下三维点云的融合方法 | |
| CN103292792A (zh) | 一种适用海底探测与假地形处理的实测svp重构方法 | |
| CN110263075A (zh) | Ladcp与usbl组合观测及数据资料处理方法 | |
| CN113286982A (zh) | 生成、更新和增强大比例尺高精度3d道路地图和多级道路图的系统和方法 | |
| CN111325138A (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
| Servos et al. | Underwater stereo SLAM with refraction correction | |
| CN105488852A (zh) | 一种基于地理编码和多维校准的三维图像拼接方法 | |
| CN115063465B (zh) | 一种基于激光雷达的无人车行驶路况建模方法 | |
| Toth | Strip adjustment and registration | |
| Zandara et al. | Probabilistic surface matching for bathymetry based SLAM | |
| Palomer et al. | Bathymetry-based SLAM with difference of normals point-cloud subsampling and probabilistic ICP registration | |
| CN113780085B (zh) | 一种近海单光子去噪分类方法 | |
| CN110285805A (zh) | 一种数据空洞的自适应插值/分割处理方法 | |
| CN110375719A (zh) | 一种基于蒙特卡罗匹配的机载激光测深航带拼接方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |