CN113189598A - 一种湖床盆地快速定位及淤泥分布及厚度快速测定方法 - Google Patents
一种湖床盆地快速定位及淤泥分布及厚度快速测定方法 Download PDFInfo
- Publication number
- CN113189598A CN113189598A CN202110520712.6A CN202110520712A CN113189598A CN 113189598 A CN113189598 A CN 113189598A CN 202110520712 A CN202110520712 A CN 202110520712A CN 113189598 A CN113189598 A CN 113189598A
- Authority
- CN
- China
- Prior art keywords
- sludge
- lake bed
- thickness
- positioning
- basin
- 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
Images
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
- G01S15/8902—Side-looking sonar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种目标测定的技术领域,揭露了一种湖床盆地快速定位及淤泥分布及厚度快速测定方法,包括:搭载双频测深仪与侧扫声呐的监测预警船在目标区域巡航,侧扫声纳和双频测深仪向周围发送声波,利用干扰抑制算法对声波进行加强处理;利用结合双频测深仪和侧扫声纳的交叉定位算法定位目标区域中的湖床盆地;利用侧扫声纳识别湖床盆地周围的淤泥子图,并利用闭环检测算法对淤泥子图进行检测;使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度;对双频测深仪数据使用surfer进行快速成图,生成巡测结果在真实地理位置上的映射图。本发明还提供了一种湖床盆地快速定位及淤泥分布及厚度快速测定系统。本发明实现了湖床盆地的快速定位测定。
Description
技术领域
本发明涉及目标测定的技术领域,尤其涉及一种湖床盆地快速定位及淤泥分布及厚度 快速测定方法及系统。
背景技术
目前有些水库长年开展多种经营活动,水库周边餐馆林立,水面养鱼网箱密布。由于 没有配套的雨污分流设施,致使这些分布在库周边的餐饮业废物水直接入库,污染了库内水体;网箱养鱼投放饲料、药剂时,会产生粪便溶出沉积、分泌物溶出沉积、饵料溶出 沉积,在给水体造成污染的同时,这些溶出沉积落淤库底,使水质逐年下降。
由于入库污染的长期积累,湖库底部淤泥成分复杂,含有有机污染物、重金属以及营 养物质,不仅影响湖库水质状况,还会对湖库周边环境造成不良影响,严重破坏生态环境。 除此之外,水库淤积会产生一系列的问题:会导致库容损失、水库设计功能削弱,影响工程 正常效益发挥;水库淤积的维护成本负担和危害不断加重,加速了工程报废;增加安全隐 患,危及工程安全。
现有基于声纳测量湖床盆地定位以及淤泥分布测量算法需要建立多个基站,由于多基 地中站点的个数较多,因此得到的定位信息量更多,其中也存在大量冗余无关信息。
鉴于此,如何有效融合多基站的信息,实现更为准确有效的湖床盆地定位以及淤泥分 布厚度的测定,成为本领域技术人员亟待解决的问题。
发明内容
本发明提供一种湖床盆地快速定位及淤泥分布及厚度快速测定方法,搭载双频测深仪 与侧扫声呐的监测预警船在目标区域巡航,侧扫声纳向周围发送声波,利用干扰抑制算法 对声波进行加强处理,并利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中的 湖床盆地进行定位;根据定位到的湖床盆地,利用侧扫声纳识别湖床盆地周围的淤泥子图, 并利用闭环检测算法对淤泥子图进行检测,得到淤泥的闭环分布情况;根据淤泥的闭环分 布情况,停船人工使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,并记录该区域 坐标,对双频测深仪数据使用surfer进行快速成图。
为实现上述目的,本发明提供的一种湖床盆地快速定位及淤泥分布及厚度快速测定方 法,包括:
搭载双频测深仪与侧扫声呐的监测预警船在目标区域巡航,侧扫声纳和双频测深仪向 周围发送声波,利用干扰抑制算法对声波进行加强处理;
根据返回的声波,利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中的湖 床盆地进行定位;
根据定位到的湖床盆地,利用侧扫声纳识别湖床盆地周围的淤泥子图,并利用闭环检 测算法对淤泥子图进行检测,得到淤泥的闭环分布情况;
根据淤泥的闭环分布情况,使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度, 并记录该区域坐标;
根据记录的区域坐标,对双频测深仪数据使用surfer进行快速成图,生成巡测结果在 真实地理位置上的映射图,并获得湖床盆地的真实地理区位置。
可选地,所述侧扫声纳和双频测深仪向周围发送声波,利用干扰抑制算法对声波进行 加强处理,包括:
所述监测预警船搭载双频测深仪与侧扫声呐在目标区域巡航,在本发明一个具体实施 例中,所述监测预警船的行驶轨迹为螺旋状或矩形格栅状;
侧扫声纳和双频测深仪实时向周围发送声波,利用干扰抑制算法对声波进行防干扰处 理,所述干扰抑制算法流程为:
1)设置声波的声波函数为:
其中:
d表示声波的阵元间距;
N表示声波的阵元数;
λ表示声波的波长;
Θ表示声波的角度;
其中:
2)利用生源分布函数对原始声波进行抗干扰处理,所述抗干扰处理公式为:
S(θ)=R(θ)*s(sinθ)
其中:
S(θ)表示原始声波的抗干扰处理结果;
R(θ)表示原始声波函数;
s(sinθ)表示点散射函数,i表示点散射函数的迭代次数。
可选地,所述利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中的湖床盆 地进行定位,包括:
1)在接收到返回声波的时刻t2,计算湖床盆地的位置(x0,y0):
其中:
(x1,y1)表示监测预警船发出声波的位置;
(x2,y2)表示监测预警船收到声波的位置;
θ1表示监测预警船发出声波的方向与正东方向的夹角;
θ2表示监测预警船收到声波的方向与正北方向的夹角;
2)分别计算位置(x0,y0)到达(x1,y1),(x2,y2)的时延ε1=dist((x0,y0),(x1,y1))/c, ε2=dist((x0,y0),(x2,y2))/c,其中c为声速;计算Δε=|ε1-ε2|,若Δε>T,则返回步骤3),否则返回步骤4),其中T为预设定的时延阈值,3s≤T≤15s;
3)将(x1,y1)的测量时间从t1退回至t1-Δε,从而计算得到t1-Δε时刻监测预警船的 位置为(x′1,y′1),返回步骤1),重新计算湖床盆地的位置(x′0,y′0);
4)输出定位得到的湖床盆地的坐标位置,同时所述监测预警船行驶到湖床盆地的坐 标位置。
可选地,所述利用闭环检测算法对淤泥子图进行检测,得到淤泥的闭环分布情况,包 括:
利用侧扫声纳识别湖床盆地,得到湖床盆地周围的若干尺寸相同的淤泥子图,在本发 明一个具体实施例中,所述淤泥子图为二值化图像,颜色越深表明淤泥越厚;
利用闭环检测算法对淤泥子图进行检测,所述闭环检测算法的流程为:
计算任意两幅淤泥子图的均方差函数:
其中:
M×N表示淤泥子图的尺寸;
h1,(i,j),h2,(i,j)分别表示淤泥子图h1和淤泥子图h2在像素点(i,j)的像素值;
若两幅淤泥子图的均方差函数小于预先设定的闭环阈值F,则认为该两幅淤泥子图存 在闭环,其中0≤F≤0.3;
通过遍历所有的淤泥子图,最终形成的区域闭环即为淤泥的闭环分布情况。
可选地,所述使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,包括:
所述监测预警船使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,并记录该区 域坐标;
测量完成后监测预警船继续航行,并对后续目标区域进行同样方式的测量,直到测量 完成所有的目标区域。
可选地,所述对双频测深仪数据使用surfer进行快速成图,生成巡测结果在真实地理 位置上的映射图,包括:
将双频测深仪数据使用Hydrosurvey软件导出,生成点位经纬度坐标,高低频水深,淤泥 厚度的.csv文件;
将.csv文件导入surfer进行插值处理,生成湖床地形及淤泥厚度的.grd文件,使用surfer 分别生成湖床地形与淤泥厚度的contour图,并调整两图表现形式,湖床地形等值线与淤 泥厚度分布的叠加图;
将.csv文件导入bigemap,生成巡测航线的估计图,并获取航行区域.bln的边界文件; 将bln文件导入surfer,对叠加图进行白化,去除巡测边界外的区域;将白化完成后的叠加 图导出生成带真是地理坐标的.kml文件;将.kml文件导入bigemap,生成巡测结果在真实 地理位置上的映射图,并获得湖床盆地的真实地理区位置。
此外,为实现上述目的,本发明还提供一种湖床盆地快速定位及淤泥分布及厚度快速 测定系统,所述系统包括:
声波获取装置,用于侧扫声纳和双频测深仪向周围发送声波;
数据处理器,用于利用干扰抑制算法对声波进行加强处理;
湖床盆地定位及淤泥处理装置,用于根据返回的声波,利用结合双频测深仪和侧扫声 纳的交叉定位算法对目标区域中的湖床盆地进行定位,利用侧扫声纳识别湖床盆地周围的 淤泥子图,并利用闭环检测算法对淤泥子图进行检测,得到淤泥的闭环分布情况;根据淤 泥的闭环分布情况,使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,并记录该区 域坐标,根据记录的区域坐标,对双频测深仪数据使用surfer进行快速成图,生成巡测结 果在真实地理位置上的映射图,并获得湖床盆地的真实地理区位置。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存 储介质上存储有湖床盆地定位及淤泥处理程序指令,所述湖床盆地定位及淤泥处理程序指 令可被一个或者多个处理器执行,以实现如上所述的湖床盆地快速定位及淤泥分布及厚度 快速测定的实现方法的步骤。
相对于现有技术,本发明提出一种湖床盆地快速定位及淤泥分布及厚度快速测定方法, 该技术具有以下优势:
首先,声纳所发射的声波为直达波,其传播距离较短,传播损失小,到达监测预警船 的能量高,极易淹没能量相对较低的目标信号;因此本发明提出一种干扰抑制算法对声波的能量进行抑制,增强目标信号强度;首先设置声波的声波函数为:
其中:表示初相位;此时R(θ)的零点表示为当相邻阵元间插入相 移后,声波函数的零点和极大值位置在sinθ轴上平移了因此当声波从不同的角度入 射时,常规波束形成的声波函数在sinθ具有移不变性,由于直达波会导致声波的信干比提 高,从而导致声波输出的信干比越低,目标在方位谱上的识别难度越大,而所述声波函数 值具有移不变性,在一定程度上保证了声波的信干比,降低了识别出目标方位的难度,提 高了湖床盆地定位的准确率;利用生源分布函数对原始声波进行抗干扰处理,所述抗干扰 处理公式为:
S(θ)=R(θ)*s(sinθ)
其中:S(θ)表示原始声波的抗干扰处理结果;R(θ)表示原始声波函数;s(sinθ)表示点 散射函数,i表示点散射函数的迭代次数。
同时,传统定位算法并未考虑到声波时延,当目标距离监测预警船存在较远的距离时, 针对目标的探测信息存在时间上的滞后特性,交叉定位得到的目标位置与实际的目标位置 间存在一定的偏差。因此本发明对传统定位算法进行改进,在接收到返回声波的时刻t2, 计算湖床盆地的位置(x0,y0):
其中:(x1,y1)表示监测预警船发出声波的位置;(x2,y2)表示监测预警船收到声波的位 置;θ1表示监测预警船发出声波的方向与正东方向的夹角;θ2表示监测预警船收到声波的 方向与正北方向的夹角;分别计算位置(x0,y0)到达(x1,y1),(x2,y2)的时延 ε1=dist((x0,y0),(x1,y1))/c,ε2=dist((x0,y0),(x2,y2))/c,其中c为声速;计算 Δε=|ε1-ε2|,若Δε>T,则进入下一步,否则进入最后一步;将(x1,y1)的测量时间从t1退 回至t1-Δε,从而计算得到t1-Δε时刻监测预警船的位置为(x′1,y′1),返回算法初始位置, 重新计算湖床盆地的位置(x′0,y′0);输出定位得到的湖床盆地的坐标位置,同时所述监测预 警船行驶到湖床盆地的坐标位置。相较于传统算法,本发明基于声波时延对坐标位置进行 修正,减少了湖床盆地坐标位置的计算误差。
最后本发明提出一种快速成图方法,将双频测深仪数据使用Hydrosurvey软件导出, 生成点位经纬度坐标,高低频水深,淤泥厚度的.csv文件;将.csv文件导入surfer进行插值处 理,生成湖床地形及淤泥厚度的.grd文件,使用surfer分别生成湖床地形与淤泥厚度的 contour图,并调整两图表现形式,湖床地形等值线与淤泥厚度分布的叠加图;将.csv文件 导入bigemap,生成巡测航线的估计图,并获取航行区域.bln的边界文件;将bln文件导入surfer,对叠加图进行白化,去除巡测边界外的区域;将白化完成后的叠加图导出生成带真 是地理坐标的.kml文件;将.kml文件导入bigemap,生成巡测结果在真实地理位置上的映 射图,从而获得湖床盆地的真实地理区位置。
附图说明
图1为本发明一实施例提供的一种湖床盆地快速定位及淤泥分布及厚度快速测定方法 的流程示意图;
图2为本发明一实施例提供的一种湖床盆地快速定位及淤泥分布及厚度快速测定系统 的结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
搭载双频测深仪与侧扫声呐的监测预警船在目标区域巡航,侧扫声纳向周围发送声波, 利用干扰抑制算法对声波进行加强处理,并利用结合双频测深仪和侧扫声纳的交叉定位算 法对目标区域中的湖床盆地进行定位;根据定位到的湖床盆地,利用侧扫声纳识别湖床盆 地周围的淤泥子图,并利用闭环检测算法对淤泥子图进行检测,得到淤泥的闭环分布情况; 根据淤泥的闭环分布情况,停船人工使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚 度,并记录该区域坐标,对双频测深仪数据使用surfer进行快速成图。参照图1所示,为 本发明一实施例提供的湖床盆地快速定位及淤泥分布及厚度快速测定方法示意图。
在本实施例中,湖床盆地快速定位及淤泥分布及厚度快速测定方法包括:
S1、搭载双频测深仪与侧扫声呐的监测预警船在目标区域巡航,侧扫声纳和双频测深 仪向周围发送声波,利用干扰抑制算法对声波进行加强处理。
首先,本发明在目标区域设置监测预警船,所述监测预警船搭载双频测深仪与侧扫声 呐在目标区域巡航,在本发明一个具体实施例中,所述监测预警船的行驶轨迹为螺旋状或 矩形格栅状;
进一步地,在监测预警船行驶过程中,侧扫声纳和双频测深仪实时向周围发送声波, 本发明利用干扰抑制算法对声波进行防干扰处理,所述干扰抑制算法流程为:
1)设置声波的声波函数为:
其中:
d表示声波的阵元间距;
N表示声波的阵元数;
λ表示声波的波长;
Θ表示声波的角度;
其中:
2)利用生源分布函数对原始声波进行抗干扰处理,所述抗干扰处理公式为:
S(θ)=R(θ)*s(sinθ)
其中:
S(θ)表示原始声波的抗干扰处理结果;
R(θ)表示原始声波函数;
s(sinθ)表示点散射函数,i表示点散射函数的迭代次数。
S2、根据返回的声波,利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中 的湖床盆地进行定位。
进一步地,根据返回的声波,本发明利用结合双频测深仪和侧扫声纳的交叉定位算法 对目标区域中的湖床盆地进行定位,所述结合双频测深仪和侧扫声纳的交叉定位算法流程 为:
1)在接收到返回声波的时刻t2,计算湖床盆地的位置(x0,y0):
其中:
(x1,y1)表示监测预警船发出声波的位置;
(x2,y2)表示监测预警船收到声波的位置;
θ1表示监测预警船发出声波的方向与正东方向的夹角;
θ2表示监测预警船收到声波的方向与正北方向的夹角;
2)分别计算位置(x0,y0)到达(x1,y1),(x2,y2)的时延ε1=dist((x0,y0),(x1,y1))/c, ε2=dist((x0,y0),(x2,y2))/c,其中c为声速;计算Δε=|ε1-ε2|,若Δε>T,则返回步骤3),否则返回步骤4),其中T为预设定的时延阈值,3s≤T≤15s;
3)将(x1,y1)的测量时间从t1退回至t1-Δε,从而计算得到t1-Δε时刻监测预警船的 位置为(x′1,y′1),返回步骤1),重新计算湖床盆地的位置(x′0,y′0);
4)输出定位得到的湖床盆地的坐标位置,同时所述监测预警船行驶到湖床盆地的坐 标位置。
S3、根据定位到的湖床盆地,利用侧扫声纳识别湖床盆地周围的淤泥子图,并利用闭 环检测算法对淤泥子图进行检测,得到淤泥的闭环分布情况。
进一步地,根据定位到的湖床盆地,本发明利用侧扫声纳识别湖床盆地,得到湖床盆 地周围的若干尺寸相同的淤泥子图,在本发明一个具体实施例中,所述淤泥子图为二值化 图像,颜色越深表明淤泥越厚;
进一步地,本发明利用闭环检测算法对淤泥子图进行检测,所述闭环检测算法的流程 为:
计算任意两幅淤泥子图的均方差函数:
其中:
M×N表示淤泥子图的尺寸;
h1,(i,j),h2,(i,j)分别表示淤泥子图h1和淤泥子图h2在像素点(i,j)的像素值;
若两幅淤泥子图的均方差函数小于预先设定的闭环阈值F,则认为该两幅淤泥子图存 在闭环,其中0≤F≤0.3;
通过遍历所有的淤泥子图,最终形成的区域闭环即为淤泥的闭环分布情况。
S4、根据淤泥的闭环分布情况,使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚 度,并记录该区域坐标。
进一步地,根据淤泥的闭环分布情况,所述监测预警船使用淤泥探杆测量淤泥分布区 域内湖床深度及淤泥厚度,并记录该区域坐标;
测量完成后监测预警船继续航行,并对后续目标区域进行同样方式的测量,直到测量 完成所有的目标区域。
S5、根据记录的区域坐标,对双频测深仪数据使用surfer进行快速成图,生成巡测结 果在真实地理位置上的映射图,并获得湖床盆地的真实地理区位置。
进一步地,根据记录的区域坐标,本发明对双频测深仪数据使用surfer进行快速成图, 所述快速成图的流程为:
将双频测深仪数据使用Hydrosurvey软件导出,生成点位经纬度坐标,高低频水深,淤泥 厚度的.csv文件;
将.csv文件导入surfer进行插值处理,生成湖床地形及淤泥厚度的.grd文件,使用surfer 分别生成湖床地形与淤泥厚度的contour图,并调整两图表现形式,湖床地形等值线与淤 泥厚度分布的叠加图;
将.csv文件导入bigemap,生成巡测航线的估计图,并获取航行区域.bln的边界文件; 将bln文件导入surfer,对叠加图进行白化,去除巡测边界外的区域;将白化完成后的叠加 图导出生成带真是地理坐标的.kml文件;将.kml文件导入bigemap,生成巡测结果在真实 地理位置上的映射图,并获得湖床盆地的真实地理区位置。
下面通过一个算法实验来说明本发明的具体实施方式,并对发明的处理方法进行测试。 本发明算法的硬件测试环境为:Inter(R)Core(TM)i7-6700K CPU,软件为Matlab2018a;对 比方法为基于GAN的湖床盆地快速定位及淤泥分布及厚度快速测定方法以及基于小波分 解的湖床盆地快速定位及淤泥分布及厚度快速测定方法。
在本发明所述算法实验中,数据集为5G的声波数据。本实验通过将声波数据输入到 算法模型中,将湖床盆地定位的准确性作为算法可行性的评价指标,其中湖床盆地定位的 准确性越高,则说明算法的有效性、可行性越高。
根据实验结果,基于GAN的湖床盆地快速定位及淤泥分布及厚度快速测定方法的湖 床盆地定位准确率为81.31%,基于小波分解的湖床盆地快速定位及淤泥分布及厚度快速测 定方法的湖床盆地定位准确率为86.38%,本发明所述方法的湖床盆地定位准确率为88.64%, 相较于对比算法,本发明所提出的湖床盆地快速定位及淤泥分布及厚度快速测定方法能够 实现更高的湖床盆地定位准确率。
发明还提供一种湖床盆地快速定位及淤泥分布及厚度快速测定系统。参照图2所示, 为本发明一实施例提供的湖床盆地快速定位及淤泥分布及厚度快速测定系统的内部结构 示意图。
在本实施例中,所述湖床盆地快速定位及淤泥分布及厚度快速测定系统1至少包括声 波获取装置11、数据处理器12、湖床盆地定位及淤泥处理装置13,通信总线14,以及网络接口15。
其中,声波获取装置11可以是PC(Personal Computer,个人电脑),或者是智能手机、 平板电脑、便携计算机等终端设备,也可以是一种服务器等。
数据处理器12至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬 盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。 数据处理器12在一些实施例中可以是湖床盆地快速定位及淤泥分布及厚度快速测定系统1 的内部存储单元,例如该湖床盆地快速定位及淤泥分布及厚度快速测定系统1的硬盘。数 据处理器12在另一些实施例中也可以是湖床盆地快速定位及淤泥分布及厚度快速测定系 统1的外部存储设备,例如湖床盆地快速定位及淤泥分布及厚度快速测定系统1上配备的 插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡, 闪存卡(Flash Card)等。进一步地,数据处理器12还可以既包括湖床盆地快速定位及淤 泥分布及厚度快速测定系统1的内部存储单元也包括外部存储设备。数据处理器12不仅 可以用于存储安装于湖床盆地快速定位及淤泥分布及厚度快速测定系统1的应用软件及各 类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
湖床盆地定位及淤泥处理装置13在一些实施例中可以是一中央处理器(CentralProcessing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行数据处理器12中存储的程序代码或处理数据,例如湖床盆地定位及淤泥处理程序指令16等。
通信总线14用于实现这些组件之间的连接通信。
网络接口15可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该系统1与其他电子设备之间建立通信连接。
可选地,湖床盆地快速定位及淤泥分布及厚度快速测定系统1还可以包括用户接口, 用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还 可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在湖床 盆地快速定位及淤泥分布及厚度快速测定系统1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-15以及湖床盆地快速定位及淤泥分布及厚度快速测定系统 1,本领域技术人员可以理解的是,图1示出的结构并不构成对湖床盆地快速定位及淤泥 分布及厚度快速测定系统1的限定,可以包括比图示更少或者更多的部件,或者组合某些 部件,或者不同的部件布置。
在图2所示的湖床盆地快速定位及淤泥分布及厚度快速测定系统1实施例中,数据处 理器12中存储有湖床盆地定位及淤泥处理程序指令16;湖床盆地定位及淤泥处理装置13 执行数据处理器12中存储的湖床盆地定位及淤泥处理程序指令16的步骤,与湖床盆地快 速定位及淤泥分布及厚度快速测定方法的实现方法相同,在此不作类述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存 储有湖床盆地定位及淤泥处理程序指令,所述湖床盆地定位及淤泥处理程序指令可被一个 或多个处理器执行,以实现如下操作:
搭载双频测深仪与侧扫声呐的监测预警船在目标区域巡航,侧扫声纳和双频测深仪向 周围发送声波,利用干扰抑制算法对声波进行加强处理;
根据返回的声波,利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中的湖 床盆地进行定位;
根据定位到的湖床盆地,利用侧扫声纳识别湖床盆地周围的淤泥子图,并利用闭环检 测算法对淤泥子图进行检测,得到淤泥的闭环分布情况;
根据淤泥的闭环分布情况,使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度, 并记录该区域坐标;
根据记录的区域坐标,对双频测深仪数据使用surfer进行快速成图,生成巡测结果在 真实地理位置上的映射图,并获得湖床盆地的真实地理区位置。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本 文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括 一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的 其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、 物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可 借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者 是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡 献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储 介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机, 计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说 明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领 域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种湖床盆地快速定位及淤泥分布及厚度快速测定方法,其特征在于,所述方法包括:
搭载双频测深仪与侧扫声呐的监测预警船在目标区域巡航,侧扫声纳和双频测深仪向周围发送声波,利用干扰抑制算法对声波进行加强处理;
根据返回的声波,利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中的湖床盆地进行定位;
根据定位到的湖床盆地,利用侧扫声纳识别湖床盆地周围的淤泥子图,并利用闭环检测算法对淤泥子图进行检测,得到淤泥的闭环分布情况;
根据淤泥的闭环分布情况,使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,并记录该区域坐标;
根据记录的区域坐标,对双频测深仪数据使用surfer进行快速成图,生成巡测结果在真实地理位置上的映射图,并获得湖床盆地的真实地理区位置。
3.如权利要求2所述的一种湖床盆地快速定位及淤泥分布及厚度快速测定方法,其特征在于,所述利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中的湖床盆地进行定位,包括:
1)在接收到返回声波的时刻t2,计算湖床盆地的位置(x0,y0):
其中:
(x1,y1)表示监测预警船发出声波的位置;
(x2,y2)表示监测预警船收到声波的位置;
θ1表示监测预警船发出声波的方向与正东方向的夹角;
θ2表示监测预警船收到声波的方向与正北方向的夹角;
2)分别计算位置(x0,y0)到达(x1,y1),(x2,y2)的时延ε1=dist((x0,y0),(x1,y1))/c,ε2=dist((x0,y0),(x2,y2))/c,其中c为声速;计算Δε=|ε1-ε2|,若Δε>T,则返回步骤3),否则返回步骤4),其中T为预设定的时延阈值,3s≤T≤15s;
3)将(x1,y1)的测量时间从t1退回至t1-Δε,从而计算得到t1-Δε时刻监测预警船的位置为(x′1,y′1),返回步骤1),重新计算湖床盆地的位置(x′0,y′0);
4)输出定位得到的湖床盆地的坐标位置,同时所述监测预警船行驶到湖床盆地的坐标位置。
5.如权利要求4所述的一种湖床盆地快速定位及淤泥分布及厚度快速测定方法,其特征在于,所述使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,包括:
监测预警船使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,并记录该区域坐标;
测量完成后监测预警船继续航行,并对后续目标区域进行同样方式的测量,直到测量完成所有的目标区域。
6.如权利要求5所述的一种湖床盆地快速定位及淤泥分布及厚度快速测定方法,其特征在于,所述对双频测深仪数据使用surfer进行快速成图,生成巡测结果在真实地理位置上的映射图,包括:
将双频测深仪数据使用Hydrosurvey软件导出,生成点位经纬度坐标,高低频水深,淤泥厚度的.csv文件;
将.csv文件导入surfer进行插值处理,生成湖床地形及淤泥厚度的.grd文件,使用surfer分别生成湖床地形与淤泥厚度的contour图,并调整两图表现形式,湖床地形等值线与淤泥厚度分布的叠加图;
将.csv文件导入bigemap,生成巡测航线的估计图,并获取航行区域.bln的边界文件;将bln文件导入surfer,对叠加图进行白化,去除巡测边界外的区域;将白化完成后的叠加图导出生成带真是地理坐标的.kml文件;将.kml文件导入bigemap,生成巡测结果在真实地理位置上的映射图,并获得湖床盆地的真实地理区位置。
7.一种湖床盆地快速定位及淤泥分布及厚度快速测定系统,其特征在于,所述系统包括:
声波获取装置,用于侧扫声纳和双频测深仪向周围发送声波;
数据处理器,用于利用干扰抑制算法对声波进行加强处理;
湖床盆地定位及淤泥处理装置,用于根据返回的声波,利用结合双频测深仪和侧扫声纳的交叉定位算法对目标区域中的湖床盆地进行定位,利用侧扫声纳识别湖床盆地周围的淤泥子图,并利用闭环检测算法对淤泥子图进行检测,得到淤泥的闭环分布情况;根据淤泥的闭环分布情况,使用淤泥探杆测量淤泥分布区域内湖床深度及淤泥厚度,并记录该区域坐标,根据记录的区域坐标,对双频测深仪数据使用surfer进行快速成图,生成巡测结果在真实地理位置上的映射图,并获得湖床盆地的真实地理区位置。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有湖床盆地定位及淤泥处理程序指令,所述湖床盆地定位及淤泥处理程序指令可被一个或者多个处理器执行,以实现如上所述的湖床盆地快速定位及淤泥分布及厚度快速测定的实现方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110520712.6A CN113189598B (zh) | 2021-05-13 | 2021-05-13 | 一种湖床盆地快速定位及淤泥分布及厚度快速测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110520712.6A CN113189598B (zh) | 2021-05-13 | 2021-05-13 | 一种湖床盆地快速定位及淤泥分布及厚度快速测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113189598A true CN113189598A (zh) | 2021-07-30 |
CN113189598B CN113189598B (zh) | 2021-12-07 |
Family
ID=76982156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110520712.6A Active CN113189598B (zh) | 2021-05-13 | 2021-05-13 | 一种湖床盆地快速定位及淤泥分布及厚度快速测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113189598B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442638A (zh) * | 2022-02-14 | 2022-05-06 | 北京大学 | 一种基于大数据路径规划的清淤机器人 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1426786A1 (en) * | 2001-09-13 | 2004-06-09 | Institute of Acoustics, Chinese Academy of Sciences | High resolution bathymetric sonar system and measuring method for measuring the physiognomy of the seabed |
US20100128567A1 (en) * | 2006-07-17 | 2010-05-27 | Biosonics, Inc. | Networked sonar observation of selected seabed environments |
CN102305944A (zh) * | 2011-07-28 | 2012-01-04 | 李典基 | 一种水下淤积量探测分析处理系统 |
RU2015109204A (ru) * | 2015-03-16 | 2016-10-10 | Общество с ограниченной ответственностью "Морские Инновации" | Система и способ 3d исследования морского дна для инженерных изысканий |
CN106484997A (zh) * | 2016-10-10 | 2017-03-08 | 南京林业大学 | 一种基于克里金插值的水岸带淤泥厚度计算及出图方法 |
CN106630165A (zh) * | 2016-06-21 | 2017-05-10 | 浙江大学 | 闭环河道水环境治理系统及方法 |
CN107122909A (zh) * | 2017-05-01 | 2017-09-01 | 深圳市广汇源水利勘测设计有限公司 | 一种基于bim+gis的河道数据自动化监测及采集法 |
US20180120431A1 (en) * | 2016-11-01 | 2018-05-03 | Johnson Outdoors Inc. | Sonar mapping system |
CN108316291A (zh) * | 2018-04-12 | 2018-07-24 | 浙江大学城市学院 | 深厚泥浆池钻孔灌注桩及施工方法 |
CN110686669A (zh) * | 2019-09-23 | 2020-01-14 | 中国海洋大学 | 基于定位补偿与视觉感知的rov海参分布统计方法及装置 |
CN110956101A (zh) * | 2019-11-19 | 2020-04-03 | 广东省城乡规划设计研究院 | 一种基于随机森林算法的遥感影像黄河冰凌检测方法 |
CN111308039A (zh) * | 2020-03-19 | 2020-06-19 | 无锡德林海环保科技股份有限公司 | 一种网格化水质实时监测方法及系统 |
CN111340946A (zh) * | 2020-03-12 | 2020-06-26 | 五邑大学 | 河道地形模型构建方法、装置、机器人和存储介质 |
CN111582257A (zh) * | 2019-02-15 | 2020-08-25 | 波音公司 | 用于对待检测对象进行检测的方法、装置及系统 |
CN111580113A (zh) * | 2020-06-21 | 2020-08-25 | 黄河勘测规划设计研究院有限公司 | 一种河道库岸水下地形及淤泥厚度勘测系统 |
CN111694003A (zh) * | 2020-06-19 | 2020-09-22 | 黄河勘测规划设计研究院有限公司 | 一种水下地物识别系统 |
CN111694072A (zh) * | 2020-06-21 | 2020-09-22 | 黄河勘测规划设计研究院有限公司 | 多平台与多传感器研制系统集成和数据处理平台 |
CN111827945A (zh) * | 2020-07-14 | 2020-10-27 | 中海石油(中国)有限公司 | 一种油砂储层蒸汽辅助重力泄油过程启动压力梯度的测定方法及其应用 |
CN112149314A (zh) * | 2020-10-16 | 2020-12-29 | 黄河勘测规划设计研究院有限公司 | 一种基于虚拟库容修正的多沙水库库容冲淤模拟方法 |
CN112373625A (zh) * | 2020-12-24 | 2021-02-19 | 邱爱平 | 一种用于监测河流河底淤泥的淤积状态的浮标 |
-
2021
- 2021-05-13 CN CN202110520712.6A patent/CN113189598B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1426786A1 (en) * | 2001-09-13 | 2004-06-09 | Institute of Acoustics, Chinese Academy of Sciences | High resolution bathymetric sonar system and measuring method for measuring the physiognomy of the seabed |
US20100128567A1 (en) * | 2006-07-17 | 2010-05-27 | Biosonics, Inc. | Networked sonar observation of selected seabed environments |
CN102305944A (zh) * | 2011-07-28 | 2012-01-04 | 李典基 | 一种水下淤积量探测分析处理系统 |
RU2015109204A (ru) * | 2015-03-16 | 2016-10-10 | Общество с ограниченной ответственностью "Морские Инновации" | Система и способ 3d исследования морского дна для инженерных изысканий |
CN106630165A (zh) * | 2016-06-21 | 2017-05-10 | 浙江大学 | 闭环河道水环境治理系统及方法 |
CN106484997A (zh) * | 2016-10-10 | 2017-03-08 | 南京林业大学 | 一种基于克里金插值的水岸带淤泥厚度计算及出图方法 |
US20180120431A1 (en) * | 2016-11-01 | 2018-05-03 | Johnson Outdoors Inc. | Sonar mapping system |
CN107122909A (zh) * | 2017-05-01 | 2017-09-01 | 深圳市广汇源水利勘测设计有限公司 | 一种基于bim+gis的河道数据自动化监测及采集法 |
CN108316291A (zh) * | 2018-04-12 | 2018-07-24 | 浙江大学城市学院 | 深厚泥浆池钻孔灌注桩及施工方法 |
CN111582257A (zh) * | 2019-02-15 | 2020-08-25 | 波音公司 | 用于对待检测对象进行检测的方法、装置及系统 |
CN110686669A (zh) * | 2019-09-23 | 2020-01-14 | 中国海洋大学 | 基于定位补偿与视觉感知的rov海参分布统计方法及装置 |
CN110956101A (zh) * | 2019-11-19 | 2020-04-03 | 广东省城乡规划设计研究院 | 一种基于随机森林算法的遥感影像黄河冰凌检测方法 |
CN111340946A (zh) * | 2020-03-12 | 2020-06-26 | 五邑大学 | 河道地形模型构建方法、装置、机器人和存储介质 |
CN111308039A (zh) * | 2020-03-19 | 2020-06-19 | 无锡德林海环保科技股份有限公司 | 一种网格化水质实时监测方法及系统 |
CN111694003A (zh) * | 2020-06-19 | 2020-09-22 | 黄河勘测规划设计研究院有限公司 | 一种水下地物识别系统 |
CN111580113A (zh) * | 2020-06-21 | 2020-08-25 | 黄河勘测规划设计研究院有限公司 | 一种河道库岸水下地形及淤泥厚度勘测系统 |
CN111694072A (zh) * | 2020-06-21 | 2020-09-22 | 黄河勘测规划设计研究院有限公司 | 多平台与多传感器研制系统集成和数据处理平台 |
CN111827945A (zh) * | 2020-07-14 | 2020-10-27 | 中海石油(中国)有限公司 | 一种油砂储层蒸汽辅助重力泄油过程启动压力梯度的测定方法及其应用 |
CN112149314A (zh) * | 2020-10-16 | 2020-12-29 | 黄河勘测规划设计研究院有限公司 | 一种基于虚拟库容修正的多沙水库库容冲淤模拟方法 |
CN112373625A (zh) * | 2020-12-24 | 2021-02-19 | 邱爱平 | 一种用于监测河流河底淤泥的淤积状态的浮标 |
Non-Patent Citations (5)
Title |
---|
COGGINS, LX等: "High-Resolution Bathymetry Mapping of Water Bodies: Development and Implementation", 《FRONTIERS IN EARTH SCIENCE》 * |
WANG, J等: "Terrain matching localization for hybrid underwater vehicle in the Challenger Deep of the Mariana Trench", 《FRONTIERS OF INFORMATION TECHNOLOGY & ELECTRONIC ENGINEERING》 * |
于宗明等: "双频测深仪对淤泥层测定的分析", 《工程技术与应用》 * |
戴建安等: "浅析厚层堆积滑坡移面综合探测实施方式", 《中国资源综合利用》 * |
阳凡林等: "《水下地形测量》", 31 January 2017, 武汉大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442638A (zh) * | 2022-02-14 | 2022-05-06 | 北京大学 | 一种基于大数据路径规划的清淤机器人 |
CN114442638B (zh) * | 2022-02-14 | 2023-07-07 | 北京大学 | 一种基于大数据路径规划的清淤机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN113189598B (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A comparison of waveform processing algorithms for single-wavelength LiDAR bathymetry | |
Trzcinska et al. | Spectral features of dual-frequency multibeam echosounder data for benthic habitat mapping | |
CN110031843B (zh) | 基于roi区域的sar图像目标定位方法、系统、装置 | |
US7990804B2 (en) | Method and system for real-time automated change detection and classification for images | |
Ji et al. | Seabed sediment classification using multibeam backscatter data based on the selecting optimal random forest model | |
Cao et al. | An active-passive fusion strategy and accuracy evaluation for shallow water bathymetry based on ICESat-2 ATLAS laser point cloud and satellite remote sensing imagery | |
Sánchez-Carnero et al. | Fast and low-cost method for VBES bathymetry generation in coastal areas | |
Tian‐Yuan Shih et al. | Historic shipwreck study in Dongsha Atoll with bathymetric LiDAR | |
CN104408974A (zh) | 船舶周边目标检测报警系统 | |
Lucieer et al. | Analyzing uncertainty in multibeam bathymetric data and the impact on derived seafloor attributes | |
CN113189598B (zh) | 一种湖床盆地快速定位及淤泥分布及厚度快速测定方法 | |
JP4662147B2 (ja) | 物体認識装置 | |
Jackson-Bue et al. | Seabed morphology and bed shear stress predict temperate reef habitats in a high energy marine region | |
Wlodarczyk-Sielicka | Importance of neighborhood parameters during clustering of bathymetric data using neural network | |
JP2006234493A (ja) | 物体認識装置及び方法 | |
Liu et al. | Ship detection and classification based on cascaded detection of hull and wake from optical satellite remote sensing imagery | |
Fakiris et al. | Quantification of regions of interest in swath sonar backscatter images using grey-level and shape geometry descriptors: The TargAn software | |
CN111951204A (zh) | 一种基于深度学习的天宫二号探测数据海面风速反演方法 | |
Jech et al. | Comparing acoustic classification methods to estimate krill biomass in the Georges Bank region from 1999 to 2012 | |
CN115656982A (zh) | 水面杂波去除方法、装置、计算机设备和存储介质 | |
Lin et al. | Global automated extraction of bathymetric photons from ICESat-2 data based on a PointNet++ model | |
Maki et al. | Autonomous detection and volume determination of tubeworm colonies from underwater robotic surveys | |
CN112485329B (zh) | 基于热成像与超声相结合检测排污口的方法、装置及系统 | |
Smith et al. | Aggregation of Choquet integrals in GPR and EMI for handheld platform-based explosive hazard detection | |
Klusek et al. | Results of Acoustic Research in the CM Deploying Areas |
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 |