CN110853139B - 一种多波束测深数据化简方法及装置 - Google Patents
一种多波束测深数据化简方法及装置 Download PDFInfo
- Publication number
- CN110853139B CN110853139B CN201910591534.9A CN201910591534A CN110853139B CN 110853139 B CN110853139 B CN 110853139B CN 201910591534 A CN201910591534 A CN 201910591534A CN 110853139 B CN110853139 B CN 110853139B
- Authority
- CN
- China
- Prior art keywords
- terrain
- area
- grid
- complexity
- water depth
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012876 topography Methods 0.000 claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims description 5
- 238000000556 factor analysis Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 abstract description 3
- 238000003786 synthesis reaction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种多波束测深数据化简方法及装置,属于海底地形综合技术领域。本发明采用稳定性更高的格网分割法实现测深数据点集的分组,避免了出现因聚类结果不正确而导致的点化简效果较差的情况,提高了化简效果;同时采用复杂度越高的子区域化简后保留点的个数越多的化简策略进行化简,保证了化简后数据表达地形的准确性,使得化简结果不仅满足航海图制图应用,还可用于构建海底地形模型和进行地形分析。
Description
技术领域
本发明涉及一种多波束测深数据化简方法及装置,属于海底地形综合技术领域。
背景技术
点要素化简是制图综合中的重要研究内容和经典研究问题,当前点要素化简方法有很多,主要包括基于曲率参数设计的点化简方法、基于距离及高程差指标的点化简方法、基于不规则三角网的点化简方法和基于Douglas-Peucker算法的点化简方法等。如发表于《西安交通大学学报》2004年第7期上一篇名为《逆向工程中的测量数据精简技术研究》的论文通过分析角度—弦高联合准则法和包围盒法化简点云方法的使用性特点,提出了同时基于角度—弦高法和包围盒法的改进型数据的直接精简方法,实现了处理曲率变化大、附加特征多的点云数据化简。通用的点化简方法将关键特征保留作为方法设计的基础,由于多波束测深数据的一大主要用途是作为海图制图的源数据,而航海图是使用最为广泛的一类海图,因此针对多波束测深数据的化简,需以满足航海图制图应用为重要约束条件,即化简过程应保留局部区域深度值最小点以确保能够指导舰船安全航行,然而常用的点化简方法没有考虑此类应用需求。
面对上述需求,有人提出了新的化简方法,例如,名为《顾忌地形复杂度的多波束测深数据抽稀算法》的论文公开了一种多波束测深数据化简方法,该方法采用K-Means算法将原始多波束测深点集进行聚类分组,然后以不同的分组为基本处理单元,实现特征点的选取与点集的化简工作。该方法虽然在顾及航行安全“取浅”原则的同时能够保留海底真实地形特征,但是该抽稀方法是基于对原始多波束测深点进行K-Means聚类的基础上进行的,初始聚类中心的选择和非地形特征点中的离群点均易对聚类结果产生较大影响,,若聚类结果不恰当,将会降低点化简结果的适用性。
发明内容
本发明的目的是提供一种多波束测深数据化简方法及装置,以解决目前点化简方法中存在的因聚类结果不恰当导致的化简结果适用性差的问题。
本发明为解决上述技术问题而提供了一种多波束测深数据化简方法,该化简方法包括以下步骤:
1)计算待化简区域的地形复杂度,根据计算得到的地形复杂度将待化简区域划分成若干具有不同复杂程度的子区域;
2)对整个待化简区域进行规则格网划分,规则格网尺寸由待化简区域中各不同地形复杂程度类别区域的面积和化简后保留点的个数确定;
3)在各子区域的格网内采用相应的水深点化简规则,使得化简后各子区域水深点密度与该子区域的地形复杂度正相关。
本发明还提供了一种多波束测深数据化简装置,该化简装置包括存储器和处理器,以及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器与所述存储器相耦合,所述处理器执行所述计算机程序时实现本发明的多波束测深数据的化简方法。
本发明采用稳定性更高的格网分割法实现测深数据点集的分组,避免了出现因聚类结果不正确而导致的点化简效果较差的情况,提高了化简后数据的适用性;同时,根据各局部区域地形复杂程度的不同,采用在复杂度较高区域内保留点密度较大的点化简策略,保证了化简后数据表达地形的准确性,使得化简结果不仅满足航海图制图应用,还可用于构建海底地形模型和进行地形分析。
进一步地,为保证化简过程顾及航行安全性准则,在对各子区域进行化简时需保留该区域各个规则格网内水深最浅点。
进一步地,所述步骤1)按复杂程度分成了平坦区域、一般区域和复杂区域,从舰船航行安全方面考虑,可将地形平坦区域划分为复杂区域,而不能反向划分,因此在对各类别地形的复杂度范围进行边界确定时采用缩平坦扩复杂的原则。
进一步地,本发明给出了各区域化简的具体化简策略,所述平坦区域各格网仅保留该格网内水深值最小点;一般区域各格网保留该格网内水深值最小点和水深值最大点;复杂区域各格网保留该格网内水深值最小点、该格网内水深值最大点和该格网内与平均水深值之差最小点。
进一步地,本发明给出了具体的复杂度确定方式,所述步骤1)采用多种地形因子的复杂度评价指标计算方法确定待化简区域的地形复杂度,地形因子包括坡度、局部地形粗糙度、局部地表起伏度、局部标准差和局部地表切割深度。
进一步地,本发明给出了复杂度的计算公式,所述多种地形因子的复杂度计算方法采用的计算公式为:
C为复杂度评价指标,Coei为第i个地形因子,n为地形因子的个数,Ti为第i个地形因子的贡献系数,通过因子分析法得到。
进一步地,本发明给出了化简后保留点数与化简规则的具体约束关系,化简后保留点数和各子区域包含的规则格网数量之间的关系为:
Na=np+2ny+3nf
其中Na为化简后保留点个数,np为地形平坦子区域包含的规则格网数量,ny为地形一般子区域包含的规则格网数量,nf为地形复杂子区域包含的规则格网数量。
进一步地,本发明给出了化简后保留点数和规则格网尺寸的具体关系,化简后保留点数和各子区域面积及划分的规则格网尺寸之间的关系为:
其中Na为化简后保留点个数,Sp为地形平坦子区域的面积,Sy为地形一般子区域的面积,Sf为地形复杂子区域的面,d为规则格网边长。
附图说明
图1为本发明实施例中各类别区域化简规则示意图;
图2为本发明实施例中某海区原始海底地形三维模拟示意图;
图3为本发明实施例中某海区地形复杂程度分类图;
图4为本发明实施例中化简率为70%时某海区水深点化简结果构建的地形模型图;
图5为本发明实施例中化简率为60%时某海区水深点化简结果构建的地形模型图;
图6为本发明实施例中化简率为50%时某海区水深点化简结果构建的地形模型图;
图7为本发明实施例中化简率为40%时某海区水深点化简结果构建的地形模型图。
具体实施方式
下面结合附图对本发明的具体实施步骤作进一步地说明。
方法实施例
本发明首先利用地形分类方法将待化简海区划分成若干具有不同复杂程度类别的子区域,然后对待化简海区进行规则格网划分,规则格网的尺寸可由各类别地形的面积与整个实验海区化简后保留点的个数确定,最后在不同地形类别区域的格网内采用不同的水深点化简规则,使得化简后各地形类别区域水深点密度与该类别的地形复杂程度呈正相关。
下面以某海区为例对本发明具体实现过程进行详细说明,其中该海区的原始多波束测深数据对应的海底地形三维模拟示意图如图2所示。
1.地形复杂度计算。
本发明利用顾及多种单一地形因子的复杂度评价方法对真实海底地形的复杂度进行量化描述。具体而言,选用的单一地形因子包括坡度、局部地形粗糙度、局部地表起伏度、局部标准差和局部地表切割深度,每种地形因子的贡献系数可采用因子分析法进行求解。本实施例采用的地形复杂度的具体计算公式为:
C为地形复杂度,Coei为第i个地形因子,n为地形因子的个数,Ti为第i个地形因子的贡献系数。
其中坡度因子的计算可参考发表于《四川农业大学学报》2013年第4期上一篇名为《基于ARCGIS计算SRTM数据DEM坡度的最优方法探讨》论文中提到的三阶不带权差分法;局部地形粗糙度、局部地表起伏度和局部标准差三个因子的计算方法可参考发表于《山地学报》2012年第5期上的一篇名为《地形复杂度的多因子综合评价方法》论文;局部地表切割深度因子的计算方法可参考发表于《重庆大学学报》2012年第11期上的一篇名为《基于GIS的地表破碎指数计算》论文。
2.根据复杂度进行分类。
通过选取若干地形复杂程度为平坦、一般和复杂三类典型地形区域,采用步骤1中地形复杂度量化表达方法分别计算各类地形的复杂度值并统计复杂度范围,根据统计结果确定各类别地形对应的地形复杂度量化范围,定义统计得到的三类典型地形区域的复杂度范围分别为平坦:(0,C1)、一般:(C2,C3)、复杂:(C4,1)。
由于各类地形之间划分的模糊性和主观性,得到的各类地形区域的复杂度范围并非严格连续且不重叠,如:C1<C2或C1>C2,基于此分类范围对地形进行分类时有可能无法确定区域所属地形类别或导致地形分类出现错误,因此需明确各类别地形的复杂度范围为严格连续且无重叠。从舰船航行安全方面考虑,可将地形平坦区域划分为复杂区域,而不能反向划分,因此在对各类别地形的复杂度范围进行边界确定时采用缩平坦扩复杂的原则。因此本发明定义各类别地形对应的地形复杂度量化范围为:平坦(0,Min(C1,C2))、一般(Min(C1,C2),Min(C3,C4))、复杂(Min(C3,C4),1)。
在上述思想基础上,对本实施例中的某海区进行地形复杂程度分类时,只需采用步骤1中的方法计算地形复杂度,根据以上确定的各类别地形的复杂度量化范围对其进行地形类别的划分,分成平坦区域、一般区域和复杂区域,其结果如图3所示。
3.确定格网尺寸,对各区域进行规则格网划分。
按照步骤2的地形划分结果,确定各类区域地形面积,按照设定的化简率和各类区域的化简策略确定格网尺寸,基于确定的规则格网尺寸对各类区域进行规则格网划分。化简后保留点数量Na与设定的化简率r有关,
Na=N×r
其中N为原始测深点数量。
4.各类别区域化简规则制定
综合考虑保证舰船安全航行的“取浅原则”和构建真实准确的海底地形模型两个重要约束因素的影响,在不同类别区域制定不同的化简策略,使得化简结果满足上述两个领域的应用需求。
本实施例采用的化简规则如图1所示,针对不同的化简规则分别对每个地形类别中各规则格网内的测深点进行化简,其中平坦区域各格网仅保留该格网内水深值最小点,一般区域各格网保留该格网内水深值最小点和最大点,复杂区域各格网保留该格网内水深值最小点、该格网内水深值最大点和该格网内与平均水深值之差最小点。通过上述化简规则,可实现对各类区域的测深数据进行化简。
化简后保留点数和各子区域包含的规则格网数量之间的关系为:
Na=np+2ny+3nf
其中Na为化简后保留点个数,np为地形平坦子区域包含的规则格网数量,ny为地形一般子区域包含的规则格网数量,nf为地形复杂子区域包含的规则格网数量。
化简后保留点数和各子区域面积及划分的规则格网尺寸之间的关系为:
其中Na为化简后保留点个数,Sp为地形平坦子区域的面积,Sy为地形一般子区域的面积,Sf为地形复杂子区域的面,d为规则格网边长。
在不同化简率时,利用本发明所提出的化简方法对某海区的原始水深点按照不同的化简率进行化简,化简结果构建的海底地形模型分别为图4—图7所示。
装置实施例
本发明的多波束测深数据的化简装置,包括存储器和处理器,以及存储在所述存储器上并在处理器上运行的计算机程序,处理器与所述存储器相耦合,处理器执行计算机程序时实现方法实施例中的多波束测深数据的化简方法,具体过程已在方法实施例中进行了详述,这里不再赘述。
根据本发明的各类别区域点化简方法可知,本发明能够确保点化简结果保留局部区域水深最浅点的同时能够保持区域地形形态的变化特征,保证了化简后数据表达地形的准确性,使得化简结果不仅满足航海图制图应用,还可用于构建海底地形模型和进行地形分析。同时本发明采用稳定性更高的格网分割法实现点集的分组,不会出现因聚类结果不正确而导致的点化简效果较差的情况,在实际应用过程中更加易用。
Claims (4)
1.一种多波束测深数据化简方法,其特征在于,该化简方法包括以下步骤:
1)计算待化简区域的地形复杂度,根据计算得到的地形复杂度将待化简区域划分成若干具有不同复杂程度的子区域;在对各子区域进行化简时需保留该区域各个规则格网内水深最浅点;所述步骤1)按复杂程度将待化简区域划分为平坦区域、一般区域和复杂区域,在对各类别地形的复杂度量化范围进行边界确定时采用缩平坦扩复杂的原则;所述平坦区域各格网仅保留该格网内水深值最小点,一般区域各格网保留该格网内水深值最小点和最大点,复杂区域各格网保留该格网内水深值最小点、该格网内水深值最大点和该格网内与平均水深值之差最小点;所述步骤1)采用多种单一地形因子计算待化简区域的地形复杂度,单一地形因子包括坡度、局部地形粗糙度、局部地表起伏度、局部标准差和局部地表切割深度;所述采用多种单一地形因子的地形复杂度的计算公式为:
C为复杂度评价指标,Coei为第i个地形因子,n为地形因子的个数,为第i个地形因子的贡献系数,通过因子分析法得到;
2)对整个待化简区域进行规则格网划分,规则格网尺寸由待化简区域中各不同地形复杂程度类别区域的面积和化简后保留点的个数确定;
3)在各子区域的格网内采用相应的水深点化简规则,使得化简后各子区域水深点密度与该子区域的地形复杂度正相关。
2.根据权利要求1所述的多波束测深数据化简方法,其特征在于,化简后保留点数和各子区域包含的规则格网数量之间的关系为:
Na=np+2ny+3nf
其中Na为化简后保留点个数,np为地形平坦子区域包含的规则格网数量,ny为地形一般子区域包含的规则格网数量,nf为地形复杂子区域包含的规则格网数量。
3.根据权利要求1所述的多波束测深数据化简方法,其特征在于,化简后保留点数和各子区域面积及划分的规则格网尺寸之间的关系为:
其中Na为化简后保留点个数,Sp为地形平坦子区域的面积,Sy为地形一般子区域的面积,Sf为地形复杂子区域的面,d为规则格网边长。
4.一种多波束测深数据化简装置,其特征在于,该化简装置包括存储器和处理器,以及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器与所述存储器相耦合,所述处理器执行所述计算机程序时实现权利要求1-3中任一项所述的多波束测深数据化简方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910591534.9A CN110853139B (zh) | 2019-07-02 | 2019-07-02 | 一种多波束测深数据化简方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910591534.9A CN110853139B (zh) | 2019-07-02 | 2019-07-02 | 一种多波束测深数据化简方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110853139A CN110853139A (zh) | 2020-02-28 |
CN110853139B true CN110853139B (zh) | 2024-03-19 |
Family
ID=69595317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910591534.9A Active CN110853139B (zh) | 2019-07-02 | 2019-07-02 | 一种多波束测深数据化简方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110853139B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344808B (zh) * | 2021-05-27 | 2022-06-07 | 武汉大学 | 一种地形自适应的规定密度机载LiDAR点云精简方法 |
CN113705605B (zh) * | 2021-07-20 | 2024-05-31 | 中国人民解放军海军大连舰艇学院 | 部分人工介入的多波束测深数据异常值自动清理方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544691A (zh) * | 2018-11-05 | 2019-03-29 | 国家海洋局第二海洋研究所 | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344954B (zh) * | 2013-07-08 | 2014-07-02 | 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 |
-
2019
- 2019-07-02 CN CN201910591534.9A patent/CN110853139B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544691A (zh) * | 2018-11-05 | 2019-03-29 | 国家海洋局第二海洋研究所 | 自动融合多源异构水深数据构建高分辨率dbm的mf方法 |
Non-Patent Citations (2)
Title |
---|
张立华 ; 唐露露 ; 贾帅东 ; 戴泽源 ; .多条海岸线协同化简的层次化三角网分区法.测绘学报.2019,(04),全文. * |
曹鸿博 ; 张立华 ; 肖振坤 ; 赵巍 ; .基于海量多波束数据的海底DEM简化精度分析.测绘科学.2010,(S1),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110853139A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Berry | Fundamental operations in computer-assisted map analysis | |
CN110135351B (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
Gavioli et al. | Identification of management zones in precision agriculture: An evaluation of alternative cluster analysis methods | |
Harris et al. | Geomorphology of the oceans | |
CN110298321B (zh) | 基于深度学习图像分类的道路阻断信息提取方法 | |
Perry et al. | Illustrations and guidelines for selecting statistical methods for quantifying spatial pattern in ecological data | |
Chen et al. | Probabilistic modeling of traffic lanes from GPS traces | |
CN106599129A (zh) | 一种顾及地形特点的多波束点云数据去噪方法 | |
CN110853139B (zh) | 一种多波束测深数据化简方法及装置 | |
CN106355881A (zh) | 一种基于空间自相关的事故多发点鉴别方法及装置 | |
CN110503721B (zh) | 基于加权径向基函数插值的断裂地形保持方法 | |
CN105045976B (zh) | 一种运用栅格矩阵建立兵棋地图地形属性的方法 | |
CN106845536B (zh) | 一种基于图像缩放的并行聚类方法 | |
Sémécurbe et al. | Applying two fractal methods to characterise the local and global deviations from scale invariance of built patterns throughout mainland France | |
CN102737542B (zh) | 一种顾及多重约束条件的水深注记自动选取方法 | |
CN102073867A (zh) | 一种遥感图像分类方法及装置 | |
Leyk et al. | Improving land change detection based on uncertain survey maps using fuzzy sets | |
Hildemann et al. | Quantifying uncertainty in Pareto fronts arising from spatial data | |
CN104200502A (zh) | 一种二维散点数据密度制图方法 | |
Sarkar et al. | Topographic analysis of the Dulung R. Basin | |
Moazamnia et al. | Formulating GA-SOM as a multivariate clustering tool for managing heterogeneity of aquifers in prediction of groundwater level fluctuation by SVM model | |
CN114169771A (zh) | 区域划分方法和装置、电子设备和存储介质 | |
WO2021014495A1 (ja) | ラベル推定装置、ラベル推定方法、及びラベル推定プログラム | |
Kirillova et al. | Match method and its application for the development of a large-scale soil map | |
Olsson et al. | Identifying areas of a map that are difficult to read |
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 |