CN111366936B - 多波束测深数据处理方法及装置 - Google Patents
多波束测深数据处理方法及装置 Download PDFInfo
- Publication number
- CN111366936B CN111366936B CN202010139915.6A CN202010139915A CN111366936B CN 111366936 B CN111366936 B CN 111366936B CN 202010139915 A CN202010139915 A CN 202010139915A CN 111366936 B CN111366936 B CN 111366936B
- Authority
- CN
- China
- Prior art keywords
- sounding
- unit
- detected
- grid
- value
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种多波束测深数据处理方法及装置,该方法包括:获取通过多波束测量得到的测深点数据,并确定所述测深点数据对应的测区;对所述测区进行格网划分,得到多个格网单元;依次将每个格网单元作为待检测单元,并获取所述待检测单元中的测深点数据;对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据;剔除所述异常的测深点数据,得到有效的测深点数据。利用本发明,可以有效地提高多波束数据处理的效率、抗差性和鲁棒性,并减少人为干预。
Description
技术领域
本发明涉及测量技术领域,具体涉及一种多波束测深数据处理方法及装置。
背景技术
多波束测深系统是利用安装于船底或拖体上的声基阵向与航向垂直的海底发射超宽声波束,接收海底反向散射信号,经过模拟/数字信号处理,形成多个波束,同时获得几十个甚至上百个海底条带上采样点的水深数据。与单波束回声测深仪相比,多波束测深系统具有测量范围大、测量速度快、精度和效率高的优点,它将测深技术从点、线扩展到面,并进一步发展到立体测深和自动成图,特别适合进行大面积的海底地形探测。
在多波束测量过程中,通常会受到风浪等海洋环境的影响。此外,海洋中的声学环境复杂多变,会对多波束测量信号产生很多不可预知的影响,因此在多波束系统外业测量过程中,难免会出现一些测深异常值。目前主流的多波束软件大多采用人工交互的半自动滤波方法处理测深异常值,这种处理方法效率较低,且容易受到人的主观因素影响。此外,对于数量庞大的多波束测深数据,人工交互方式只能在测深数据的后处理中使用,无法用于测深数据的实时处理。
国外在多波束异常值处理方面取得了一些成果,主要有最大值最小值法、最大坡度法、最小角度法、横向距离法以及利用测深数据中值和标准差进行异常值剔除的方法。以上这些方法可以有效确定多波束测深数据中的异常值,但是这些方法的抗差性较差,而且处理效率不高。
发明内容
本发明提供一种多波束测深数据处理方法及装置,以提高多波束异常值数据处理效率及抗差性。
本发明提供如下技术方案:
一种多波束测深数据处理方法,所述方法包括:
获取通过多波束测量得到的测深点数据,并确定所述测深点数据对应的测区;
对所述测区进行格网划分,得到多个格网单元;
依次将每个格网单元作为待检测单元,并获取所述待检测单元中的测深点数据;
对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据;
剔除所述异常的测深点数据,得到有效的测深点数据。
可选地,所述对所述测区进行格网划分,得到多个格网单元包括:
将测区按照预设格网边长进行均匀的正方形格网划分,得到多个格网单元,并将所述格网单元标记为G(i,j),其中,i表示行,j表示列。
可选地,所述对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据包括:
基于卡尔曼滤波器确定所述待检测单元的最优深度估计值;
将所述最优深度估计值作为参考深度,计算所述待检测单元内所有测深点的均方差,并将该均方差记为一类均方差σ1;
将所述最优深度估计值作为参考深度,计算所述待检测单元及其相邻网格单元内所有测深点的均方差,并将该均方差记为二类均方差σ2;
根据所述一类均方差σ1和所述二类均方差σ2确定检测门限;
根据所述检测门限确定所述待检测单元中异常的测深点数据。
可选地,所述基于卡尔曼滤波器确定所述待检测单元的最优深度估计值包括:
计算所述待检测单元G(i,j)及其相邻格网单元内所有测深点的中值,并将所述中值作为卡尔曼滤波器的观测量;
将所述观测量输入卡尔曼滤波器得到所述待检测单元的最优深度估计值。
可选地,所述计算所述待检测单元G(i,j)及其相邻格网单元内所有测深点的中值包括:
将所述待检测单元G(i,j)及其相邻格网单元中的所有测深点数据按照由小到大进行排序,得到测深点序列;
如果测深点数量为奇数,则将所述测深点序列的中间值作为中值;
如果测深点数量为偶数,则取所述测深点序列的中间两个值的平均值作为中值。
可选地,所述根据所述一类均方差σ1和所述二类均方差σ2确定检测门限包括:
如果所述一类均方差σ1大于所述二类均方差σ2,则以(σ1+σ2)/2作为检测门限,否则以σ1作为检测门限。
可选地,所述根据所述检测门限确定所述待检测单元中异常的测深点数据包括:
依次将所述待检测单元中的每个测深点数据作为待检测数据,计算所述待检测数据与所述参考深度的差值;
如果所述差值大于等于3倍的检测门限,则确定所述待检测数据为异常的测深点数据。
一种多波束测深数据处理装置,所述装置包括:
获取模块,用于获取通过多波束测量得到的测深点数据,并确定所述测深点数据对应的测区;
区域划分模块,用于对所述测区进行格网划分,得到多个格网单元;
数据提取模块,用于依次将每个格网单元作为待检测单元,并获取所述待检测单元中的测深点数据;
检测模块,用于依次将每个格网单元作为待检测单元,对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据;
输出模块,用于剔除所述异常的测深点数据,得到有效的测深点数据。
可选地,所述区域划分模块,具体用于将测区按照预设格网边长进行均匀的正方形格网划分,得到多个格网单元,并将所述格网单元标记为G(i,j),其中,i表示行,j表示列。
可选地,所述检测模块包括:
估计单元,用于基于卡尔曼滤波器确定所述待检测单元的最优深度估计值;
第一计算单元,用于将所述最优深度估计值作为参考深度,计算所述待检测单元内所有测深点的均方差,并将该均方差记为一类均方差σ1;
第二计算单元,用于将所述最优深度估计值作为参考深度,计算所述待检测单元及其相邻四个网格单元内所有测深点的均方差,并将该均方差记为二类均方差σ2;
门限确定单元,用于根据所述一类均方差σ1和所述二类均方差σ2确定检测门限;
异常值确定单元,用于根据所述检测门限确定所述待检测单元中异常的测深点数据。
可选地,所述估计单元包括:
观测量确定子单元,用于计算所述待检测单元G(i,j)及其相邻格网单元内所有测深点的中值,并将所述中值作为卡尔曼滤波器的观测量;
最优深度值估计子单元,用于将所述观测量输入卡尔曼滤波器得到所述待检测单元的最优深度估计值。
可选地,所述观测量确定子单元,具体用于将所述待检测单元G(i,j)及其相邻格网单元中的所有测深点数据按照由小到大进行排序,得到测深点序列;如果测深点数量为奇数,则将所述测深点序列的中间值作为中值;如果测深点数量为偶数,则取所述测深点序列的中间两个值的平均值作为中值。
可选地,所述门限确定单元,具体用于在所述一类均方差σ1大于所述二类均方差σ2时,以(σ1+σ2)/2作为检测门限,否则以σ1作为检测门限。
可选地,所述异常值确定单元包括:
差值计算子单元,用于依次将所述待检测单元中的每个测深点数据作为待检测数据,计算所述待检测数据与所述参考深度的差值;
判断子单元,用于在所述差值大于等于3倍的检测门限时,确定所述待检测数据为异常的测深点数据。
本发明提供的多波束测深数据处理方法及装置,对多波束测量得到的测深点数据,通过格网划分方式,分区对划分得到的每个格网单元中的测深点数据进行异常检测,确定该格网单元中异常的测深点数据,然后剔除所述异常的测深点数据,得到有效的测深点数据。本发明方案有效地提高了多波束数据处理的效率、抗差性和鲁棒性,减少人为的主观干预,可以使异常值的检测更精确、客观;而且可以实现实时地异常值数据处理,经过处理后输出的有效的测深点数据可以用于水下地形建模,进一步提高建模的精度和质量。
附图说明
图1为本发明实施例多波束测深数据处理方法的流程图;
图2为本发明实施例中网格划分示意图;
图3为本发明实施例中对一个格网单元中测深点数据进行异常检测的流程图;
图4为本发明实施例中格网选择示意图;
图5为在真实河道中进行多波束测深作业时采集到的真实河道横截面深度图;
图6为在真实河道中进行多波束测深作业时采集到的真实河道底部三维点云图;
图7为利用本发明方法对在真实河道中进行多波束测深作业时采集到的真实河道测深数据进行处理后得到的河道横截面图;
图8为利用本发明方法对在真实河道中进行多波束测深作业时采集到的真实河道测深数据进行处理后的三维点云图;
图9为本发明多波束测深数据处理装置的一种结构框图。
具体实施方式
为了更加清楚、明确的阐述本发明的技术方案和目的,以下对本发明做进一步的详细说明。此处所描述的具体实施方法仅用于解释本发明,并不用于限定本发明。
本发明实施例提出了一种多波束测深数据处理方法及装置,对多波束测量得到的测深点数据,通过格网划分方式,分区对划分得到的每个格网单元中的测深点数据进行异常检测,确定该格网单元中异常的测深点数据,然后剔除所述异常的测深点数据,得到有效的测深点数据。
如图1所示,是本发明实施例多波束测深数据处理方法的流程图,包括以下步骤:
步骤101,获取通过多波束测量得到的测深点数据,并确定所述测深点数据对应的测区。
在对水下地形进行测量时,选择测深作业区域,并通过多波束测量系统对水下地形进行测深作业,得到真实的测区内的测深点数据。因为各种干扰及测量系统误差的存在,实际测量得到的测深点数据会包含大量的异常值。为此,在实际应用中,需要检测出这些异常值,并将其剔除,得到有效的测深点数据。
步骤102,对所述测区进行格网划分,得到多个格网单元。
在本发明实施例中,采用对测区进行格网式划分的方式,将所述测区划分为多个格网单元,然后依次针对每个格网单元中的测深点数据进行异常检测。
比如,可以按照预设格网边长(比如取格网边长为1米)对测区进行均匀的正方形格网划分,并将划分的格网单元标记为G(i,j),其中,i表示行,j表示列,需要说明的是,此处的G(i,j)并非表示的格网节点,而是每个划分的格网区域本身。当然,在实际应用中,也可以有不同的格网划分方式,对此本发明实施例不做限定。
如图2所示,测区内格网标号i的取值范围为1,2...Nr,从上向下i依次增加,其中,Nr为测区中划分的格网的行数。所述测区内格网标号j的取值范围为1,2...Nc,从左向右j依次增加,其中,Nc为测区中划分的格网的列数。
步骤103,依次将每个格网单元作为待检测单元,并获取所述待检测单元中的测深点数据。
步骤104,对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据。
在本发明实施例中,可以基于卡尔曼滤波器确定待检测单元的最优深度值估计值,并基于所述最优深度值估计值分别计算待检测单元内所有测深点的均方差σ1、以及待检测单元及其相邻四个网格单元内所有测深点的均方差σ2,根据计算得到的两个均方差确定检测门限,进而根据所述检测门限来确定所述待检测单元中的异常值。具体检测过程将在后面详细说明。
步骤105,剔除所述异常的测深点数据,得到有效的测深点数据。
在本发明实施例中,需要依次将每个格网单元作为待检测单元,对该待检测单元中的测深点数据进行异常检测,检测过程如图3所示。
参照图3,为本发明实施例中对一个格网单元中测深点数据进行异常检测的流程图,包括以下步骤:
步骤301,基于卡尔曼滤波器确定所述待检测单元的最优深度估计值。
卡尔曼滤波是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的一种算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可看作是滤波过程。
由于水下地形在绝大多数情况下是连续的非突变的,因此可以假设在一个格网内深度为一个常数,在两个相邻的格网间,深度按照某一恒定的速度变化。
基于以上假设,可以建立卡尔曼滤波器的状态方程为:
建立卡尔曼滤波器的观测方程为:
其中,k为在计算各格网最优深度估计时卡尔曼滤波器的迭代次数,假设在对格网G(i,j)进行异常检测时k的取值为k1,则当对格网G(i,j+1)进行处理时,k的取值为k1+1。Dk为经过估计得到的参考深度(单位:米),Dvk为经过估计得到的深度变化率(单位:米/秒),Q为状态方程的噪声矩阵,T为两次估计间的时间间隔,T的计算公式为T=L/v,L为网格边长,v为沿网格方向的测量船的船速,Dmk为观测量,V为多波束测深系统的观测噪声矩阵。
需要说明的是,所述的状态方程噪声矩阵Q和观测噪声矩阵V为卡尔曼滤波器理论中的通用名词,在本实例中可以通过多波束测深系统的先验知识得到。
在本发明实施例中,计算待检测单元G(i,j)及其相邻格网单元内所有测深点的中值,并将所述中值作为卡尔曼滤波器的观测量;然后将所述观测量输入卡尔曼滤波器得到所述待检测单元的最优深度估计值。
需要说明的是,所述相邻格网单元可以是待检测单元G(i,j)的所有相邻格网单元,也可以是部分相邻格网单元,比如可以计算待检测单元G(i,j)及其相邻的上、下、左、右四个格网单元G(i-1,j),G(i+1,j),G(i,j-1),G(i,j+1)内所有测深点的中值。如图4所示。例如,i=3,j=4,即当前待检测单元为格网G(3,4),则需要计算格网G(3,4)及其相邻的四个格网G(2,4),G(4,4),G(3,3),G(3,5)内所有测深点数据的中值,并将该中值作为卡尔曼滤波器的观测量。其中,所述中值的可以按以下方式计算:将格网G(3,4),G(2,4),G(4,4),G(3,3),G(3,5)中的所有测深点数据按着由小到大进行排序,得到测深点序列;如果测深点数量为奇数,则取排序后测深点序列的中间值作为中值;如果测深点数量为偶数,则取排序后测深点序列的中间两个值的平均值作为中值。然后,得到的中值作为卡尔曼滤波器的观测量输入卡尔曼滤波器,得到格网G(3,4)的抗差最优深度估计值,在本例中,将该最优深度估计值记为当然,也可以计算待检测单元G(i,j)及与其相邻的所有内的所有测深点的中值,对此本发明实施例不做限定。
另外需要说明的是,对于所述待检测单元为测区边、角区域的格网单元,如图2中格网单元G(1,1)、G(1,2),可以将与该待检测单元相邻的测区之外的一些测深点数据纳入所述中值的计算中,或者只计算测区内与该待检测单元相邻的格网单元内的测深点数据纳入所述中值的计算中。比如,图2中的格网单元G(1,1)作为待检测单元时,计算格网单元G(1,1)及其相邻格网单元G(1,1)、G(2,1)内所有测深点的中值,并将所述中值作为卡尔曼滤波器的观测量。
步骤302,将所述最优深度值估计值作为参考深度,计算所述待检测单元内所有测深点的均方差,并将该均方差记为一类均方差σ1。
设包含在格网G(i,j)中的测深点为P1i,j(n1),其中n1的取值范围是1,2,…N1i,j,N1i,j为格网G(i,j)内包含的测深点的个数,则一类均方差σ1的计算如下:
其中,Dk为格网G(i,j)的参考深度。
步骤302,将所述最优深度值估计值作为参考深度,计算所述待检测单元及其相邻四个网格单元内所有测深点的均方差,并将该均方差记为二类均方差σ2。
设包含在格网G(i,j),G(i-1,j),G(i+1,j),G(i,j-1),G(i,j+1)中的所有测深点为P2i,j(n2),其中n2的取值范围是1,2,…N2i,j,N2i,j为格网G(i,j),G(i-1,j),G(i+1,j),G(i,j-1),G(i,j+1)内包含的所有测深点的个数,则二类均方差σ2的计算如下:
其中,Dk为格网G(i,j)的参考深度。
步骤302,根据所述一类均方差σ1和所述二类均方差σ2确定检测门限。
具体地,如果所述一类均方差σ1大于所述二类均方差σ2,则以(σ1+σ2)/2作为检测门限,否则以σ1作为检测门限。
比如,利用上面得到的最优深度估计值作为格网G(3,4)的参考深度,计算格网G(3,4)内测深点的均方差,得到一类均方差σ1。具体地,设包含在格网G(3,4)中的测深点为P13,4(n1),其中n1的取值范围是1,2,...N13,4,N13,4为格网G(3,4)内包含的测深点的个数,则一类均方差σ1的计算如下:
利用上面得到的最优深度估计值作为参考深度,计算格网G(3,4)及其相邻四个网格G(2,4),G(4,4),G(3,3),G(3,5)内所有测深点的均方差,得到二类均方差σ2。
设包含在格网G(3,4),G(2,4),G(4,4),G(3,3),G(3,5)中的所有测深点为P23,4(n2),其中n2的取值范围是1,2,...N23,4,N23,4为格网G(3,4),G(2,4),G(4,4),G(3,3),G(3,5)内包含的所有测深点的个数,则二类均方差σ2的计算如下:
其中,Dk为格网G(3,4)的参考深度。
将检测门限记为S3,4,则S3,4的计算如下:
步骤302,根据所述检测门限确定所述待检测单元中异常的测深点数据。
具体地,依次将所述待检测单元中的每个测深点数据作为待检测数据,计算所述待检测数据与所述参考深度的差值,计算公式如下:
Δi,j=|P1i,j(n)-Dk|
如果所述差值大于等于3倍的检测门限,则确定所述待检测数据为异常的测深点数据。
本发明实施例提供的多波束测深数据处理方法,对多波束测量得到的测深点数据,通过格网划分方式,分区对划分得到的每个格网单元中的测深点数据进行异常检测,确定该格网单元中异常的测深点数据,然后剔除所述异常的测深点数据,得到有效的测深点数据。本发明方案有效地提高了多波束数据处理的效率、抗差性和鲁棒性,所谓抗差性是指在粗差不可避免的情况下,使未知量估值尽可能减免粗差的影响,得出正常模式下的最佳估值的能力;有效地减少了人为的主观干预,使异常值的检测更精确、客观;而且可以实现实时地异常值数据处理,经过处理后输出的有效的测深点数据可以用于水下地形建模,进一步提高建模的精度和质量。
下面通过对多波束测深作业时采集到的测深点数据利用本发明方案处理前后对照图,进一步说明本发明方案对测深点数据的处理效果。
参照图5和图6,其中,图5为在真实河道中进行多波束测深作业时采集到的真实河道横截面深度图;图6为在真实河道中进行多波束测深作业时采集到的真实河道底部三维点云图。
利用本发明剔除异常的测深点数据后,相应的图示如图7和图8所示,其中,图7为利用本发明方法对在真实河道中进行多波束测深作业时采集到的真实河道测深数据进行处理后得到的河道横截面图;图8为利用本发明方法对在真实河道中进行多波束测深作业时采集到的真实河道测深数据进行处理后的三维点云图。
比较上述各图可以看出,本发明实施例的方案具有优良的抗差性且使测深点更符合深度期望一致的假设条件,有助于剔除多波束测量中的异常值,提高测深精度。
相应地,本发明实施例还提供一种多波束测深数据处理装置,如图9所示,是该装置的一种结构框图。
在该实施例中,所述装置包括以下各模块:
获取模块901,用于获取通过多波束测量得到的测深点数据,并确定所述测深点数据对应的测区;
区域划分模块902,用于对所述测区进行格网划分,得到多个格网单元;
数据提取模块903,用于依次将每个格网单元作为待检测单元,并获取所述待检测单元中的测深点数据;
检测模块904,用于依次将每个格网单元作为待检测单元,对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据;
输出模块905,用于剔除所述异常的测深点数据,得到有效的测深点数据。
其中,所述区域划分模块902具体可以将测区按照预设格网边长进行均匀的正方形格网划分,得到多个格网单元,并将所述格网单元标记为G(i,j),其中,i表示行,j表示列。当然,实际应用中,也可以按照其它方式对测区进行划分,对此本发明实施例不做限定。
其中,所述检测模块904可以包括以下各单元:
估计单元,用于基于卡尔曼滤波器确定所述待检测单元的最优深度估计值;
第一计算单元,用于将所述最优深度估计值作为参考深度,计算所述待检测单元内所有测深点的均方差,并将该均方差记为一类均方差σ1;
第二计算单元,用于将所述最优深度估计值作为参考深度,计算所述待检测单元及其相邻四个网格单元内所有测深点的均方差,并将该均方差记为二类均方差σ2;
门限确定单元,用于根据所述一类均方差σ1和所述二类均方差σ2确定检测门限;
异常值确定单元,用于根据所述检测门限确定所述待检测单元中异常的测深点数据。
其中,所述估计单元可以包括:观测量确定子单元和最优深度值估计子单元。
所述观测量确定子单元用于计算所述待检测单元G(i,j)及其相邻格网单元内所有测深点的中值,并将所述中值作为卡尔曼滤波器的观测量;比如,可以将所述待检测单元G(i,j)及其相邻格网单元中的所有测深点数据按照由小到大进行排序,得到测深点序列;如果测深点数量为奇数,则将所述测深点序列的中间值作为中值;如果测深点数量为偶数,则取所述测深点序列的中间两个值的平均值作为中值。
所述最优深度值估计子单元用于将所述观测量输入卡尔曼滤波器得到所述待检测单元的最优深度估计值。
其中,所述门限确定单元具体可以在所述一类均方差σ1大于所述二类均方差σ2时,以(σ1+σ2)/2作为检测门限,否则以σ1作为检测门限。
其中,所述异常值确定单元可以包括:差值计算子单元和判断子单元。
所述差值计算子单元用于依次将所述待检测单元中的每个测深点数据作为待检测数据,计算所述待检测数据与所述参考深度的差值;
所述判断子单元用于在所述差值大于等于3倍的检测门限时,确定所述待检测数据为异常的测深点数据。
本发明实施例提供的多波束测深数据处理装置,对多波束测量得到的测深点数据,通过格网划分方式,分区对划分得到的每个格网单元中的测深点数据进行异常检测,确定该格网单元中异常的测深点数据,然后剔除所述异常的测深点数据,得到有效的测深点数据。本发明方案有效地提高了多波束数据处理的效率、抗差性和鲁棒性,减少人为的主观干预,可以使异常值的检测更精确、客观;而且可以实现实时地异常值数据处理,经过处理后输出的有效的测深点数据可以用于水下地形建模,进一步提高建模的精度和质量。
需要说明的是,对于上述多波束测深数据处理装置各实施例而言,由于各模块、单元的功能实现与相应的方法中类似,因此对所述多波束测深数据处理装置各实施例描述得比较简单,相关之处可参见方法实施例的相应部分说明。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。而且,以上所描述的系统实施例仅仅是示意性的,其中作为分离部件说明的模块和单元可以是或者也可以不是物理上分开的,即可以位于一个网络单元上,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称的存储介质,如:ROM/RAM、磁碟、光盘等。
相应地,本发明实施例还提供一种用于多波束测深数据处理方法的装置,该装置是一种电子设备,比如,可以是移动终端、计算机、平板设备、个人数字助理等。所述电子设备可以包括一个或多个处理器、存储器;其中,所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,以实现前面各实施例所述的方法。
以上对本发明实施例进行了详细介绍,本文中应用了具体实施方式对本发明进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及装置,其仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围,本说明书内容不应理解为对本发明的限制。因此,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种多波束测深数据处理方法,其特征在于,所述方法包括:
获取通过多波束测量得到的测深点数据,并确定所述测深点数据对应的测区;
对所述测区进行格网划分,得到多个格网单元;
依次将每个格网单元作为待检测单元,并获取所述待检测单元中的测深点数据;
对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据;
剔除所述异常的测深点数据,得到有效的测深点数据;
其中所述对所述测区进行格网划分,得到多个格网单元包括:
将测区按照预设格网边长进行均匀的正方形格网划分,得到多个格网单元,并将所述格网单元标记为G(i,j),其中,i表示行,j表示列;
所述对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据包括:
基于卡尔曼滤波器确定所述待检测单元的最优深度估计值;
将所述最优深度估计值作为参考深度,计算所述待检测单元内所有测深点的均方差,并将该均方差记为一类均方差σ1;设包含在格网G(i,j)中的测深点为P1i,j(n1),其中n1的取值范围是1,2,…N1i,j,N1i,j为格网G(i,j)内包含的测深点的个数,则一类均方差σ1的计算如下:
其中,Dk为格网G(i,j)的参考深度;
将所述最优深度估计值作为参考深度,计算所述待检测单元及其相邻格网单元内所有测深点的均方差,并将该均方差记为二类均方差σ2;设包含在格网G(i,j),G(i-1,j),G(i+1,j),G(i,j-1),G(i,j+1)中的所有测深点为P2i,j(n2),其中n2的取值范围是1,2,…N2i,j,N2i,j为格网G(i,j),G(i-1,j),G(i+1,j),G(i,j-1),G(i,j+1)内包含的所有测深点的个数,则二类均方差σ2的计算如下:
其中,Dk为格网G(i,j)的参考深度;
根据所述一类均方差σ1和所述二类均方差σ2确定检测门限,包括:
如果所述一类均方差σ1大于所述二类均方差σ2,则以(σ1+σ2)/2作为检测门限,否则以σ1作为检测门限;
根据所述检测门限确定所述待检测单元中异常的测深点数据;
其中,所述根据所述检测门限确定所述待检测单元中异常的测深点数据包括:依次将所述待检测单元中的每个测深点数据作为待检测数据,计算所述待检测数据与所述参考深度的差值;如果所述差值大于等于3倍的检测门限,则确定所述待检测数据为异常的测深点数据。
2.根据权利要求1所述的方法,其特征在于,所述基于卡尔曼滤波器确定所述待检测单元的最优深度估计值包括:
计算所述待检测单元G(i,j)及其相邻格网单元内所有测深点的中值,并将所述中值作为卡尔曼滤波器的观测量;
将所述观测量输入卡尔曼滤波器得到所述待检测单元的最优深度估计值。
3.根据权利要求2所述的方法,其特征在于,所述计算所述待检测单元G(i,j)及其相邻格网单元内所有测深点的中值包括:
将所述待检测单元G(i,j)及其相邻格网单元中的所有测深点数据按照由小到大进行排序,得到测深点序列;
如果测深点数量为奇数,则将所述测深点序列的中间值作为中值;
如果测深点数量为偶数,则取所述测深点序列的中间两个值的平均值作为中值。
4.一种多波束测深数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取通过多波束测量得到的测深点数据,并确定所述测深点数据对应的测区;
区域划分模块,用于对所述测区进行格网划分,得到多个格网单元;
数据提取模块,用于依次将每个格网单元作为待检测单元,并获取所述待检测单元中的测深点数据;
检测模块,用于依次将每个格网单元作为待检测单元,对所述待检测单元中的测深点数据进行异常检测,以确定异常的测深点数据;
输出模块,用于剔除所述异常的测深点数据,得到有效的测深点数据;
所述区域划分模块,具体用于将测区按照预设格网边长进行均匀的正方形格网划分,得到多个格网单元,并将所述格网单元标记为G(i,j),其中,i表示行,j表示列;
所述检测模块包括:
估计单元,用于基于卡尔曼滤波器确定所述待检测单元的最优深度估计值;
第一计算单元,用于将所述最优深度估计值作为参考深度,计算所述待检测单元内所有测深点的均方差,并将该均方差记为一类均方差σ1;设包含在格网G(i,j)中的测深点为P1i,j(n1),其中n1的取值范围是1,2,…N1i,j,N1i,j为格网G(i,j)内包含的测深点的个数,则一类均方差σ1的计算如下:
其中,Dk为格网G(i,j)的参考深度;
第二计算单元,用于将所述最优深度估计值作为参考深度,计算所述待检测单元及其相邻四个格网单元内所有测深点的均方差,并将该均方差记为二类均方差σ2;设包含在格网G(i,j),G(i-1,j),G(i+1,j),G(i,j-1),G(i,j+1)中的所有测深点为P2i,j(n2),其中n2的取值范围是1,2,…N2i,j,N2i,j为格网G(i,j),G(i-1,j),G(i+1,j),G(i,j-1),G(i,j+1)内包含的所有测深点的个数,则二类均方差σ2的计算如下:
其中,Dk为格网G(i,j)的参考深度;
门限确定单元,用于根据所述一类均方差σ1和所述二类均方差σ2确定检测门限;所述门限确定单元,具体用于在所述一类均方差σ1大于所述二类均方差σ2时,以(σ1+σ2)/2作为检测门限,否则以σ1作为检测门限;
异常值确定单元,用于根据所述检测门限确定所述待检测单元中异常的测深点数据;所述异常值确定单元包括:
差值计算子单元,用于依次将所述待检测单元中的每个测深点数据作为待检测数据,计算所述待检测数据与所述参考深度的差值;
判断子单元,用于在所述差值大于等于3倍的检测门限时,确定所述待检测数据为异常的测深点数据。
5.根据权利要求4所述的装置,其特征在于,所述估计单元包括:
观测量确定子单元,用于计算所述待检测单元G(i,j)及其相邻格网单元内所有测深点的中值,并将所述中值作为卡尔曼滤波器的观测量;
最优深度值估计子单元,用于将所述观测量输入卡尔曼滤波器得到所述待检测单元的最优深度估计值。
6.根据权利要求5所述的装置,其特征在于,
所述观测量确定子单元,具体用于将所述待检测单元G(i,j)及其相邻格网单元中的所有测深点数据按照由小到大进行排序,得到测深点序列;如果测深点数量为奇数,则将所述测深点序列的中间值作为中值;如果测深点数量为偶数,则取所述测深点序列的中间两个值的平均值作为中值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010139915.6A CN111366936B (zh) | 2020-03-03 | 2020-03-03 | 多波束测深数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010139915.6A CN111366936B (zh) | 2020-03-03 | 2020-03-03 | 多波束测深数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111366936A CN111366936A (zh) | 2020-07-03 |
CN111366936B true CN111366936B (zh) | 2023-08-22 |
Family
ID=71208410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010139915.6A Active CN111366936B (zh) | 2020-03-03 | 2020-03-03 | 多波束测深数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111366936B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112558077B (zh) * | 2020-12-08 | 2022-03-29 | 广州海洋地质调查局 | 一种基于相邻条幅的多波束滤波方法及处理终端 |
CN112698349B (zh) * | 2020-12-17 | 2021-11-26 | 金景(海南)科技发展有限公司 | 浅海岛礁水上水下同步一体化空间测量系统及方法 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825011A (zh) * | 2016-03-16 | 2016-08-03 | 浙江华东测绘地理信息有限公司 | 一种多波束测深离散点云数据的并行抽稀方法 |
CN105841777A (zh) * | 2016-03-17 | 2016-08-10 | 深圳大学 | 一种基于自适应选择节点的多波束测深估计方法及系统 |
CN106526601A (zh) * | 2016-10-28 | 2017-03-22 | 北京海卓同创科技有限公司 | 一种多波束测深信号处理方法及装置 |
CN107798339A (zh) * | 2017-09-29 | 2018-03-13 | 天津大学 | 一种基于泰森多边形图的多波束异常值数据处理算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400405B (zh) * | 2013-08-01 | 2014-06-11 | 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 |
-
2020
- 2020-03-03 CN CN202010139915.6A patent/CN111366936B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825011A (zh) * | 2016-03-16 | 2016-08-03 | 浙江华东测绘地理信息有限公司 | 一种多波束测深离散点云数据的并行抽稀方法 |
CN105841777A (zh) * | 2016-03-17 | 2016-08-10 | 深圳大学 | 一种基于自适应选择节点的多波束测深估计方法及系统 |
CN106526601A (zh) * | 2016-10-28 | 2017-03-22 | 北京海卓同创科技有限公司 | 一种多波束测深信号处理方法及装置 |
CN107798339A (zh) * | 2017-09-29 | 2018-03-13 | 天津大学 | 一种基于泰森多边形图的多波束异常值数据处理算法 |
Non-Patent Citations (1)
Title |
---|
纪雪等.多波束测深异常数据检测与剔除方法研究综述.测绘科学.2018,43(1),第38-43页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111366936A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111366936B (zh) | 多波束测深数据处理方法及装置 | |
CN107219529B (zh) | 一种高精度海底地形地貌图的获取方法及系统 | |
CN110263075B (zh) | Ladcp与usbl组合观测及数据资料处理方法 | |
US9852516B2 (en) | Apparatus and processes for estimating river velocity | |
US6721694B1 (en) | Method and system for representing the depths of the floors of the oceans | |
CN105787281A (zh) | 一种海浪有效波高场的融合反演方法和装置 | |
Dost et al. | Generation of lake bathymetry using sonar, satellite imagery and GIS | |
CN104180873A (zh) | 一种单波束测深仪水深粗差检测修正方法及系统 | |
Maleika | Development of a method for the estimation of multibeam echosounder measurement accuracy | |
Zhang et al. | Underwater navigation based on real-time simultaneous sound speed profile correction | |
CN107831516B (zh) | 融合gnss和地面监测网获取大坝实时高精度位移的方法 | |
CN109782355B (zh) | Obs检波点漂移的检测方法及装置 | |
CN110989021B (zh) | 水深反演方法、装置和计算机可读存储介质 | |
CN109387872B (zh) | 表面多次波预测方法 | |
CN105841777B (zh) | 一种基于自适应选择节点的多波束测深估计方法及系统 | |
Lu et al. | Automatic outlier detection in multibeam bathymetric data using robust LTS estimation | |
CN114397682A (zh) | 一种海洋牧场牡蛎海床中牡蛎生物量的监测方法 | |
CN113432549A (zh) | 一种基于无人机摄影测量的潮沟三维参量提取方法及系统 | |
Bentel et al. | Monitoring Atlantic overturning circulation and transport variability with GRACE-type ocean bottom pressure observations–a sensitivity study | |
CN107229594B (zh) | 一种多波束测深数据趋势面滤波方法及系统 | |
US10067254B2 (en) | Removal of an estimated acquisition effect from a marine survey measurement | |
CN110617803A (zh) | 一种用于水下地形测量中的水深检校方法 | |
CN116467555B (zh) | 一种海洋剖面观测数据质量控制方法及系统 | |
CN113325424B (zh) | 根据多波束水深数据估算人工鱼礁空方量的方法 | |
Zhang et al. | Research on adaptive trend surface filtering algorithm for multi-beam sounding data based on KD tree |
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 |