CN113327321A - 基于三维成像声纳点云的海底地形三维模型自动建模方法 - Google Patents

基于三维成像声纳点云的海底地形三维模型自动建模方法 Download PDF

Info

Publication number
CN113327321A
CN113327321A CN202010128881.0A CN202010128881A CN113327321A CN 113327321 A CN113327321 A CN 113327321A CN 202010128881 A CN202010128881 A CN 202010128881A CN 113327321 A CN113327321 A CN 113327321A
Authority
CN
China
Prior art keywords
point cloud
dimensional
terrain
grid
vertex
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.)
Pending
Application number
CN202010128881.0A
Other languages
English (en)
Inventor
肖路昊
陈铮
刘凌宇
张晓天
陈罡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Chuangqi Vision Technology Co ltd
Original Assignee
Beijing Chuangqi Vision Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Chuangqi Vision Technology Co ltd filed Critical Beijing Chuangqi Vision Technology Co ltd
Priority to CN202010128881.0A priority Critical patent/CN113327321A/zh
Publication of CN113327321A publication Critical patent/CN113327321A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8977—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using special techniques for image reconstruction, e.g. FFT, geometrical transformations, spatial deconvolution, time deconvolution
    • 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
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8993—Three dimensional imaging systems
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种基于三维成像声纳点云的海底地形三维模型自动建模方法，包括以下步骤：1)预处理，基于海底管道路由数据生成三维建模范围，裁剪原始点云；2)栅格化，将点云顶点划分到平面映射矩阵的栅格中，并通过计算加权平均高度和的方式形成栅格化点云；3)迭代插值，通过多轮插值填补点云中的空隙；4)平滑处理，对点云进行滤波处理；5)地形采样，根据顶点对地形的贡献值进行采样；6)表面重建，形成地形三维网格模型。优点在于：本方法实现基于三维成像声纳点云的地形三维模型自动建模，无须频繁的手动交互，建模结果直观、良好，在减少原始数据噪声影响的同时以网格形式展现海底地形，提高海底管道巡检数据分析的速度和准确度。

Description

基于三维成像声纳点云的海底地形三维模型自动建模方法
技术领域
本发明涉及点云处理技术和三维建模技术，具体来说是一种基于三维成像声纳点云的海底地形三维模型自动建模方法。
背景技术
海上油田所在海域的地质情况复杂，容易发生水下滑坡、塌陷、地形强烈起伏等现象。这些地质现象对海底石油管道构成重大威胁，可能导致管道的裸露，甚至导致大范围的管道悬空现象，从而给环境保护和安全生产带来严重的隐患。
为了及时发现裸露、悬空的海底管道，海底管道巡检往往采用三维成像声纳作为海底地形数据的采集传感器。三维成像声纳一般安装于海底管道巡检船的舷侧，在巡检船行进过程中不断地采集海底地形三维数据，形成地形三维点云数据。数据分析人员通过对海底地形三维点云数据进行处理和分析，可对具有裸露或悬空风险的管道段进行识别和定位，并基于识别定位结果进行进一步的检测，制定相应的维护措施，达到风险控制的目的。
在三维成像声纳点云数据的处理和分析上，传统方法主要依靠数据分析人员大量的人工数据处理操作，以及凭借经验对数据处理结果的人工识别和判断。这种方法不仅给巡检工作带来巨大的工作量，也对巡检质量产生不利影响，具体包括以下三点：
(1)三维成像声纳所采集到的海底地形三维点云数据有严重的噪声，数据分析人员需要通过繁琐的人工交互操作，例如滤波、裁剪、参数调整等，才能得到质量较高的、便于分析评估的点云数据；
(2)海底管道往往绵延几公里甚至几十公里，因此管道巡检工作可以产生数据量非常庞大的点云数据。数据分析人员需要对每一段管道的数据都进行处理和分析，以免忽略了具有风险的管道段；
(3)经过处理后的海底管道数据依然是离散的三维点云，而点云在地形的可视化呈现效果上不够直观，数据分析人员需要依靠丰富的个人经验以及敏锐的观察力，才能根据点云数据实现风险管道段的准确识别和判断。
基于上述问题，研究基于三维成像声纳点云的海底地形三维模型自动建模技术越来越重要，通过自动化的点云数据处理技术实现批量化的大规模海底地形点云数据处理，同时避免繁复的人工交互操作，并在点云的基础上形成更直观的地形三维模型，便于识别和定位风险管道段，这是现阶段海底地形三维可视化技术的趋势所向。
对于海底地形三维可视化的需求，科研人员寻求通过多波束数据实现海底地形三维建模与三维渲染。如王宏健等人在发明专利《基于多波束声纳海底测量数据构建三维地形矢量模型的方法》(申请号201110278195.2)中所公开的一种基于多波束数据的海底地形三维矢量模型建模方法，其特征在于：通过对多波束数据进行处理，构建扫描区域的海底地形高程数据，并基于Delaunay算法实现数据三角化，形成海底地形网格模型。顾晨等人在发明专利《基于多波束声纳数据的水下三维地形重建方法》(申请号201010126587.2)中公开了一种基于多波束数据的水下三维地形建模方法，其特征在于：通过多波束测深数据进行内插、迭代估算回波等处理，重建海底三维模型。上述研究中以多波束测深系统所采集的数据为基础进行地形建模，多波束系统相比于三维成像声纳，成像质量较低，在扫描的时刻只能获得深度和单个水平方向上的数据，采集到的信息相对较少。
针对基于三维成像声纳点云的三维建模与可视化技术，唐利娜在文献《水下三维声成像及声纳图像处理技术研究》(学位论文，哈尔滨工程大学，2009年)提出一种基于三维成像声纳点云数据的目标识别和建模方法，其特征在于：使用超二次曲面方程对点云数据中的目标数据进行拟合，并进行三维显示。该方法适用于对海底地形上的简单物体的识别和建模，而不适用于海底地形的三维建模。刘天宝等人在文献《三维成像声纳图像重建研究》(声学技术，2015年，第34卷第4期)中的研究内容涉及到三维成像声纳点云数据的三角网格重构。该方法仅对扫描过程中的单帧点云进行重构，形成的三维网格模型只能反映小范围的海底地形。刘伟宁在文献《基于VTK的海底声纳数据实时三维建模软件设计》(学位论文，浙江大学，2010年)中提出了一种基于三维成像声纳采集的多帧点云数据的实时配准与三维建模方法，该方法适用于数据采集现场快速复原海底地形三维场景，但是三维渲染帧速率较低，而且三角形面片数量随采集数据的增多而不断累加，计算机渲染负担逐渐加重，不适用于大数据量、大型场景的三维可视化。
发明内容
本发明的目的是解决管线巡检工作中三维成像声纳点云数据处理人工交互操作复杂繁琐的问题、点云数据量庞大所导致的数据处理工作繁重问题，以及点云处理结果不直观、不利于分析的问题。针对以上问题，提出了一种基于三维成像声纳点云的海底地形三维模型自动建模方法。
一种基于三维成像声纳点云的海底地形三维模型自动建模方法，以三维成像声纳所采集到的海底地形点云数据和管道路由数据作为输入，经过自动化处理后输出具有三维网格拓扑结构的地形三维模型。该方法具体步骤如下：
步骤一、根据管道路由数据，计算得到地形三维模型建模范围，并根据建模范围对三维成像声纳所采集的稠密点云进行裁剪，得到建模范围内的地形三维点云。
管道路由记录了海底管道从起始端到终止端所经过的路径，其存储的具体内容为路径中所有关键点的经纬度。根据管道路由以及用户给定的地形建模宽度Wm，计算得到以管道路径为中心的、宽度等于Wm的地形三维模型建模范围边界点有序列表Sic，Sic所构成的多边形区域Aic为建模区域。遍历三维成像声纳所采集的原始稠密点云Po，判断Po中的每一个顶点Vi的水平投影是否落在Aic中，是则保留Vi，否则将Vi从Po删除。遍历计算后，得到建模范围内的地形三维点云Pof。
步骤二、根据建模范围内的地形三维点云，建立一个平面映射矩阵，根据矩阵栅格对点云中的点进行栅格归类以及加权高度计算，将计算得到的点云高度数据存储到矩阵中，形成栅格化的地形点云。
步骤201、计算建模范围内的地形三维点云Pof的水平最值，包括xmax、xmin、ymax和ymin。
步骤202、根据用户给定的栅格尺寸dpixel，建立平面映射矩阵Mrc，其中r和c分别为Mrc的行数和列数：
Figure BDA0002395254250000021
步骤203、遍历Pof点云，对当前正在计算的顶点Vi∈Pof进行栅格归类。
栅格归类的步骤如下：
步骤2031、创建权重和列表LSw＝{Swk，k＝0，1，...，(r×c)-1}以及加权高度和列表LSwh＝{Swhk，k＝0，1，...，(r×c)-1}，列表中所有元素初始值为0.0，两个列表的大小与Mrc的大小一致，Mrc中的每个栅格(rk，ck)对应一个Swk和一个Swhk。
步骤2032、遍历Pof点云，对于当前正在计算的顶点Vi(xi，yi，zi)，计算其在Mrc中的对应栅格(rk，ck)：
Figure BDA0002395254250000022
步骤2033、计算栅格(rk，ck)中心点在Pof上的对应顶点Vc(xc，yc，zc)的水平坐标：
Figure BDA0002395254250000023
步骤2034、Vi与Vc之间的水平距离d和反距离权重w，其中p为反距离加权平均计算的权重系数，一般取值2或者3：
Figure BDA0002395254250000024
步骤2035、更新(rk，ck)栅格的权重和Swk以及加权高度和Swhk：
Figure BDA0002395254250000031
步骤2036、Vi计算完毕，对下一个顶点Vi+1进行计算，执行步骤2032到步骤2035，直到Pof遍历结束。栅格归类最后得到的结果是权重和列表LSw以及加权高度和列表LSwh。
步骤204、遍历Mrc中的所有栅格，计算栅格中所有顶点高度的反距离加权平均值，作为栅格中心点的高度。
栅格中心点高度计算的步骤如下：
步骤2041、对于当前正在遍历的Mrc中的栅格(rk，ck)，其中k＝0，1，...，r×c，计算栅格中心点对应到点云Pof上的顶点Vc(xc，yc，zc)：
Figure BDA0002395254250000032
步骤2042、判断(rk，ck)的权重和Swk是否大于0.0，是则计算栅格中心点加权平均高度：
Figure BDA0002395254250000033
若Sw等于0.0，则记zc为一个固定的极小值，以标注该点为空隙点，需要在后续步骤中进行插值计算，以得到有效的高度数值。
步骤2043、对于(rk，ck)栅格，得到顶点Vc(xc，yc，zc)，将Vc存储到点云Pr中，并对下一个栅格(rk+1，ck+1)进行计算，执行步骤2041到步骤2042，直到Mrc遍历结束。栅格中心点高度计算最后得到的结果是以矩阵形式存储顶点高度数据的点云Pr，即栅格化的地形点云，其中每个顶点在水平位置上与矩阵Mrc的一个栅格存在一一对应的关系。
步骤三、对栅格化地形点云中的空缺位置进行迭代插值计算，得到建模范围内完整的、无空隙的地形点云。
步骤301、遍历Pr，统计其中所有空隙点的索引Iintp，以及Iintp中元素的数量tintp，若tintp等于0，则退出遍历，完成计算，否则执行步骤302。
步骤302、设统计量tct，初值为0，用于记录本次遍历中插值成功的顶点数量，并对Iintp中的索引数据进行随机打乱。
步骤303、遍历Iintp，对于当前正在计算的顶点索引ik，找到Pr上的对应顶点
Figure BDA0002395254250000034
基于
Figure BDA0002395254250000035
周围半径为rintp的圆形区域内的顶点，插值计算得到
Figure BDA0002395254250000036
的高度；rintp的初始值为用户算法启动前给定的参数值，表示对于单个顶点的邻域插值检测范围半径。
针对单个顶点的邻域插值步骤如下：
步骤3031、对于Pr上的顶点
Figure BDA0002395254250000037
遍历其周围与其水平距离小于或等于rintp的顶点，假设当前遍历的顶点为Vu(xu，yu，zu)，若Vu为待插值点，则直接执行步骤3034，否则执行步骤3032。
步骤3032、计算Vu与
Figure BDA0002395254250000038
的水平距离d和反距离权重w：
Figure BDA0002395254250000039
步骤3033、记录
Figure BDA00023952542500000310
的权重和
Figure BDA00023952542500000311
以及加权高度和
Figure BDA00023952542500000312
每个
Figure BDA00023952542500000313
维护唯一的一个
Figure BDA00023952542500000314
和唯一的一个
Figure BDA00023952542500000315
Figure BDA00023952542500000316
步骤3034、Vu计算完毕，遍历
Figure BDA00023952542500000317
邻域中的下一个顶点Vu+1，直到邻域中的顶点遍历完成。
步骤3035、遍历结束后，若
Figure BDA00023952542500000318
等于0.0，则执行步骤301，若
Figure BDA00023952542500000319
大于0.0，则得到
Figure BDA00023952542500000320
的插值高度
Figure BDA00023952542500000321
并将ik从Iintp中删除，同时统计量tct加1：
Figure BDA00023952542500000322
步骤304、判断tct是否为0，是则表示本轮计算中没有填补任何一个待插值点，插值计算可能已进入死循环，因此以固定步长扩大rintp的数值，并执行步骤301。插值计算结束后，点云Pr即为建模范围内完整的、无空隙的地形点云。
步骤四、采用中值滤波方法对建模范围内的完整地形点云进行平滑处理，得到平滑地形点云。
步骤401、根据点云Pr与Mrc的映射关系，按照Mrc的行列顺序对Pr进行遍历，对于当前正在计算的顶点Vi∈Pr，其在Mrc上对应的栅格为(ri，ci)，其中ri∈[1，r-1]，ci∈[1，c-1]，r和c分别为Mrc的行数和列数。
在Mrc中，(ri，ci)的8-邻域中的点分别为(ri-1，ci-1)、(ri-1，ci)、(ri-1，ci+1)、(ri，ci-1)、(ri，ci+1)、(ri+1，ci-1)、(ri+1，ci)、(ri+1，ci+1)，这些点在Pr上的对应顶点记为{Vin}。判断{Vin}中的顶点是否都落在建模范围Aic内，是则执行步骤402，否则执行步骤403。
步骤402、对{Vin}中的顶点按高度自高向低排列，取排在中间位置的两个顶点的均值，作为Vi的新的高度数值：
Figure BDA0002395254250000041
其中，z#4和z#5分别表示{Vin}中高度排第4位和第5位的顶点的高度参数。
步骤403、完成对Vi的滤波计算，对Mrc中下一个栅格的对应顶点Vi+1进行计算，直到所有顶点遍历结束。中值滤波后，Pr即为平滑后的地形点云。
步骤五、对平滑地形点云进行采样，从点云中提取出对地形地貌几何信息描述贡献较大的顶点，形成地形采样结果点云。采用VIP采样算法对平滑地形点云进行采样。VIP采样算法以Pr点云中顶点在地形上的局部起伏幅度作为其对地形地貌形态描述的贡献值，并根据贡献值的大小选择重要性较高的顶点，形成采样结果点云PS。
步骤六、通过三维表面重建算法将地形采样结果点云上的顶点连接成三角形网格，形成地形三维模型。采用Delaunay三角化算法对地形采样结果点云PS进行表面重建，建立地形三维网格模型。地形三维网格模型文件可在三维图形引擎或者三维显示软件程序中加载、显示，实现海底地形的三维渲染，使管道巡检数据分析人员可根据海底地形三维可视化图像进行风险分析。
本发明的优点在于：
(1)本发明提出一种基于三维成像声纳点云的海底地形三维模型自动建模方法，通过对点云预处理、栅格化、插值、平滑处理、地形采样、三维表面重建等技术的集成，形成一个自动化的三维建模流程，用户只需要在开始建模之前给定地形建模宽度、栅格尺寸、邻域插值范围半径以及采样率参数，即可完成地形的三维建模，无须像传统三维建模工具一样在建模过程中频繁地进行手动交互，或者手动调整参数；
(2)本发明提出一种基于三维成像声纳点云的海底地形三维模型自动建模方法，采用三维成像声纳扫描的大范围海底地形点云数据进行三维建模，与多波束测深数据相比，三维成像声纳数据拥有深度和水平面共计三个维度的信息，数据信息更加丰富、全面，基于该类数据进行三维建模效果更佳；
(3)本发明提出一种基于三维成像声纳点云的海底地形三维模型自动建模方法，通过栅格化和三维重建的方式建立精细的海底地形三维网格模型，使用户可以查看地形上任意局部区域的细节特征，从而为海底管道巡检数据分析人员提供更直观、显著的管道风险识别与定位方法；
(4)本发明提出一种基于三维成像声纳点云的海底地形三维模型自动建模方法，经过栅格归类和反距离加权高度计算，实现对大范围海底区域三维成像声纳点云数据的滤波和简化，在减少原始数据噪声点对风险分析的影响的同时提高了地形三维模型的建模速度；
(5)本发明提出一种基于三维成像声纳点云的海底地形三维模型自动建模方法，通过插值的方法填补原始数据没有覆盖的地形区域，并在插值方法利用迭代插值和随机打乱的方式，使插值地形区域与非插值地形区域在显示效果上的差异不显著，改善了地形三维可视化的效果。
附图说明
图1是本发明一种基于三维成像声纳点云的海底地形三维模型自动建模方法的流程图；
图2是地形三维模型建模范围示意图；
图3是本发明一种基于三维成像声纳点云的海底地形三维模型自动建模方法中栅格化的流程图；
图4是本发明一种基于三维成像声纳点云的海底地形三维模型自动建模方法中迭代插值的流程图；
图5是三维成像声纳所采集的局部海底地形点云俯视图；
图6是经过自动三维建模得到的局部海底地形三维网格模型效果图；
图7是一段海底管道途径区域的局部海底地形三维渲染效果图；
图8是一段海底管道途径区域的海底地形三维渲染效果图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。一种基于三维成像声纳点云的海底地形三维模型自动建模方法，以海底管道巡检船上安装的三维成像声纳设备所采集的海底地形点云数据以及海底管道路由数据作为输入，经过自动化处理后，生成具有三维网格拓扑结构的地形三维模型。
三维成像声纳是海底管道巡检工作中常用的一种数据采集设备，工作原理是向海底发射声波脉冲并接收回波，根据回波信息解算出海底地形表面与声纳之间的距离信息，并转换成点云数据。点云是指，通过三维成像声纳等测量仪器得到的建模对象外观表面的点数据集合，其中通常记录了空间点集的三维坐标信息、表面法向量、RGB值或者灰度值等。海底管道路由数据，记录的是海底管道从起始端到终止端所经过的路径，一般的存储内容为管道路径中包括起始点、终止点、转折点、特殊位置点等在内的所有关键点的经度和维度，等等。
基于三维成像声纳点云的海底地形三维模型自动建模方法，具体步骤如图1所示，其中包括：预处理、栅格化、迭代插值、平滑处理、地形采样、表面重建六个步骤。
步骤一、预处理，首先根据海底管道路由数据，计算得到地形三维模型建模范围，然后根据该建模范围，对三维成像声纳点云进行裁剪，得到建模范围内的地形三维点云数据。
步骤二、栅格化，根据地形三维模型建模范围，建立地形三维点云的平面映射矩阵，将点云上的所有顶点划分到矩阵上的栅格中，并对同一个栅格内的顶点的高度进行反距离加权求和，将加权平均高度和作为栅格中心点的高度，从而形成栅格化的地形三维点云。
步骤三、迭代插值，通过多轮迭代的插值计算，逐步填补栅格化地形点云中的空缺位置，得到地形建模范围内的完整的、无空隙的点云。
步骤四、平滑处理，通过中值滤波方法对完整的、无空隙的地形点云进行平滑处理，避免点云上局部区域的“尖刺”、“深坑”现象影响后续的地形三维渲染效果。
步骤五、地形采样，以地形点云上的顶点对地形地貌的贡献值为指标，对点云进行采样，在减少点云顶点数量的同时尽可能保留地形上的关键点，减少后续执行地形三维渲染的计算机的性能压力。
步骤六、表面重建，将地形点云上的顶点连接成三角形网格，形成地形三维网格模型。
其中，具体地，在步骤一中，根据管道路由计算得到地形三维模型建模范围，并根据建模范围对三维成像声纳所采集的稠密点云进行裁剪，得到建模范围内的地形三维点云。
对于海底管道巡检工作，海底地形三维模型建模范围为一个狭长的多边形，多边形中心线为海底管道的途径路径。确定地形三维建模范围的主要作用是约束海底地形三维自动建模的有效区域，减少对无关数据的处理，降低后续迭代插值、平滑处理、地形采样和表面重建等步骤的计算压力，从而提高建模速度。步骤一具体包含如下环节：
步骤101、读取管道路由数据，存储管道关键点，形成管道关键点列表{Vi，i＝0，1，...，n-1}。
步骤102、计算每段管道的直线参数方程，将直线参数方程A+B+C＝0中的方向参数(A，B)存储到管道段直线参数列表{(Ai，Bi)，i＝0，1，...，n-2}中。
步骤103、给定建模宽度Wm，针对每段管道，计算与之平行的、距离等于建模宽度的两条直线，获得直线参数方程A+B+C＝0中的距离参数C，得到两个管道段平行直线参数列表CC0和CC1。
步骤104、计算经过管道起始点、并与起始管道段(V0，V1)垂直的直线，以及经过管道终止点、并与终止管道段(Vn-2，Vn-1)垂直的直线，分别得到其直线参数方程中的方向参数(AS，BS)和(Ae，Be)。
步骤105、计算平行于(AS，BS)的、不与(V0，V1)相交的、与V0距离等于Wm的直线，以及计算平行于(Ae，Be)的、不与(Vn-2，Vn-1)相交的、与Vn-1距离等于Wm的直线，分别得到其直线参数方程参数(AS，BS，CS)和(Ae，Be，Ce)。
步骤106、计算CC0中相邻两条直线的交点，计算CC1中相邻两条直线的交点，分别得到点集{VicOi，i＝1，2，...，n-2}和{Vic1i，i＝1，2，...，n-2}。
步骤107、计算(AS，BS，CS)与(A0，B0，C00)∈CC0和(A0，B0，C01)∈CC1的交点Vic00和Vic10，以及计算(Ae，Be，Ce)与(An-1，Bn-1，Cn-10)∈CC0和(An-1，Bn-1，Cn-11)∈CC1的交点Vic0 n-1和Vici n-1。
步骤108、将步骤106和步骤107的结果进行合并，并按首尾相接的方式进行排序，得到地形三维建模范围边界顶点列表Sic＝{Vici，i＝0，1，...，2×(n-1)}。将这些顶点按首尾相接的方式以直线连接，得到以管道路径为中心的、宽度等于Wm的地形三维模型建模范围如图2所示。
步骤109、遍历三维成像声纳所采集的原始点云数据Po，判断Po中的每一个顶点Vi的水平投影是否落在Aic中，是则保留Vi，否则将Vi从Po删除。遍历计算结束后，得到地形三维模型建模范围内的地形三维点云Pof。
在步骤二中，根据建模范围内的地形三维点云，建立一个平面映射矩阵，根据矩阵栅格对点云中的点进行栅格归类以及加权高度计算，将计算得到的点云高度数据存储到矩阵中，形成栅格化的地形点云。
在海底管道巡检过程的大部分情况下，三维成像声纳主要以接近竖直的角度，对管道周边的地形进行数据采集。由于环境干扰和设备自身因素等问题，三维成像声纳所采集的点云数据往往非常稠密，同时带有大量的噪声点。而对于海底管道巡检的数据分析阶段，数据分析人员需要从稠密的、低信噪比的点云中获得地形表面的大致形态，从而开展风险管道段的识别、定位工作。考虑到数据分析人员的实际需要，对三维成像声纳所采集的稠密点云进行栅格化处理，形成栅格化点云。对于海底地形的栅格化点云，其中任意一个点(xi，yi，zi)只拥有一个唯一的高度zi。栅格化点云的生成减少了三维成像声纳点云的信息量，在降低点云处理复杂度的同时，为后续基于点云的地形三维模型建模提供了易于组织和管理的点云数据结构。栅格化的具体步骤如图3所示，每一步骤的具体操作如下。
步骤201、根据步骤一输出的地形三维建模范围内的地形点云Pof，计算其在水平面上的最值，包括xmax、xmin、ymax和ymin。
步骤202、根据用户给定的栅格尺寸dpixel，建立平面映射矩阵Mrc，其中r和c分别为Mrc的行数和列数：
Figure BDA0002395254250000061
步骤203、遍历Pof点云，对当前正在计算的顶点Vi∈Pof进行栅格归类。
栅格归类的目的是，以栅格化的数据结构对地形点云数据进行重构，在重构过程中减少点云的点数，并对点云进行滤波。点云顶点数量的减少可使后续的迭代插值、平滑处理、地形采样和表面重建的耗时减少，从而提高性能；而点云的滤波则可有效减少噪声点对后续处理的影响。在栅格归类过程中，将点云中的每一个点Vi(xi，yi，zi)都映射到平面映射矩阵Mrc中的一个元上，元的位置记为(ri，ci)，ri和ci分别为元的行索引、列索引，每个元又可称为一个栅格。统计Mrc中每个栅格在点云Pof上的所有对应点，计算出一个加权平均高度，以代表该栅格的平均高度。
栅格归类的步骤如下：
步骤2031、创建权重和列表LSw＝{Swk，k＝0，1，...，(r×c)-1}以及加权高度和列表LSwh＝{Swhk，k＝0，1，...，(r×c)-1}，列表中所有元素初始值为0.0，两个列表的大小与Mrc的大小一致，Mrc中的每个栅格(rk，ck)对应一个Swk和一个Swhk。
步骤2032、遍历Pof点云，对于当前正在计算的顶点Vi(xi，yi，zi)，计算其在Mrc中的对应栅格(rk，ck)：
Figure BDA0002395254250000062
步骤2033、计算栅格(rk，ck)中心点在Pof上的对应顶点Vc(xc，yc，zc)的水平坐标：
Figure BDA0002395254250000063
步骤2034、计算Vi与Vc之间的水平距离d和反距离权重w，其中p为反距离加权平均计算的权重系数，一般取值2或者3：
Figure BDA0002395254250000071
步骤2035、更新(rk，ck)栅格的权重和Swk以及加权高度和Swhk：
Figure BDA0002395254250000072
步骤2036、Vi计算完毕，对下一个顶点Vi+1进行计算，执行步骤2032到步骤2035，直到Pof遍历结束。栅格归类最后得到的结果是权重和列表LSw以及加权高度和列表LSwh。
步骤204、遍历Mrc中的所有栅格，计算栅格中所有顶点高度的反距离加权平均值，作为栅格中心点的高度。
栅格中心点高度计算的步骤如下：
步骤2041、遍历Mrc，对于当前正在计算的栅格(rk，ck)，计算栅格中心点对应到Pof上的顶点Vc(xc，yc，zc)：
Figure BDA0002395254250000073
步骤2042、判断(rk，ck)的权重和Swk是否大于0.0，是则计算栅格中心点加权平均高度：
Figure BDA0002395254250000074
若Sw等于0.0，则记zc为一个固定的极小值，以标注Vc为空隙点，需要在后续步骤中进行插值计算，以得到有效的高度数值。
步骤2043、对于(rk，ck)栅格，得到顶点Vc(xc，yc，zc)，将Vc存储到点云Pr中，并对下一个栅格(rk+1，ck+1)进行计算，执行步骤2041到步骤2042，直到Mrc遍历结束。栅格中心点高度计算最后得到的结果是以矩阵形式存储顶点高度数据的点云Pr，即栅格化的地形点云，其中每个顶点在水平位置上与矩阵Mrc的一个栅格存在一一对应的关系。
在步骤三中，对栅格化地形点云中的空缺位置进行迭代插值计算，得到建模范围内完整的、无空隙的地形点云。
在海底管道巡检工作中，三维成像声纳所采集的地形点云中往往带有大量的空隙，导致步骤二所生成的栅格化地形点云Pr中的某些栅格出现空隙，栅格中心点不具备有效的高度信息。对于这些顶点，通过迭代插值计算的方法估算出顶点高度，实现对点云空隙的填补。迭代插值具体步骤如图4所示，每一步骤的具体操作如下。
步骤301、遍历Pr，统计其中所有空隙点的索引Iintp，以及Iintp中元素的数量tintp，若tintp等于0，则退出遍历，完成计算，否则执行步骤302。
步骤302、设统计量tct，初值为0，用于记录本次遍历中插值成功的顶点数量，并对Iintp中的索引数据进行随机打乱。随机打乱的目的在于，Pr中的顶点是按先行后列的方式依次存储的。若不进行随机打乱，则迭代插值过程会优先对行、列索引较小的顶点进行插值，导致后插值顶点的高度估算受到先插值顶点的严重影响，使插值出的地形呈现明显的“拉伸感”，用户很容易看出插值地形与原始数据密集区域的地形存在显著差异，从而影响地形的三维显示效果。而执行随机打乱后，空隙点的插值顺序打乱，高度估算的先后顺序依赖问题得以解决，插值计算得到的地形点云在整体上显得更加自然，用户不易于分辨出插值地形与原始数据密集区域的地形之间的差异。
步骤303、遍历Iintp，对于当前正在计算的顶点索引ik，找到Pr上的对应顶点
Figure BDA0002395254250000075
基于
Figure BDA0002395254250000076
周围半径为rintp的圆形区域内的顶点，插值计算得到
Figure BDA0002395254250000077
的高度。rintp的初始值为用户算法启动前给定的参数值，表示对于单个顶点的邻域插值检测范围半径。
针对单个顶点的邻域插值步骤如下：
步骤3031、对于Pr上的顶点
Figure BDA0002395254250000078
遍历其周围与其水平距离小于或等于rintp的顶点，假设当前遍历的顶点为Vu(xu，yu，zu)，若Vu为空隙点，则直接执行步骤3034，否则执行步骤3032。
步骤3032、计算Vu与
Figure BDA0002395254250000079
的水平距离d和反距离权重w：
Figure BDA0002395254250000081
步骤3033、记录
Figure BDA0002395254250000082
的权重和
Figure BDA0002395254250000083
以及加权高度和
Figure BDA0002395254250000084
每个
Figure BDA0002395254250000085
维护唯一的一个
Figure BDA0002395254250000086
和唯一的一个
Figure BDA0002395254250000087
Figure BDA0002395254250000088
步骤3034、Vu计算完毕，遍历
Figure BDA0002395254250000089
邻域中的下一个顶点Vu+1，直到邻域中的顶点遍历完成。
步骤3035、遍历结束后，若
Figure BDA00023952542500000810
等于0.0，则执行步骤301，若
Figure BDA00023952542500000811
大于0.0，则得到
Figure BDA00023952542500000812
的插值高度
Figure BDA00023952542500000813
并将ik从Iintp中删除，同时统计量tct加1：
Figure BDA00023952542500000814
tct＝tct+1
单个顶点邻域插值最后的结果包括两种情况：一种是邻域中的顶点都不具备高度信息，则当前遍历的空隙点将进入下一轮的迭代插值；另一种是邻域中存在拥有有效高度的顶点，则可插值计算得到当前遍历的顶点的高度值。
步骤304、判断tct是否为0，是则表示本轮计算中没有填补任何一个空隙点，插值计算可能已进入死循环，因此以固定步长rstep扩大rintp的数值，并执行步骤301：
rintp＝rintp+rstep
插值计算结束后，点云Pr即为建模范围内完整的、无空隙的地形点云。
在步骤四中，对建模范围内的完整地形点云进行平滑处理，得到平滑地形点云。
地形点云经过上述一系列处理后，可能仍有局部的点拥有与周边地形明显不匹配的高度值，例如高度过大形成凸起状的“尖刺”，或者高度过低形成微小的“深坑”。通过中值滤波方法对建模范围内的完整地形点云Pr进行滤波，可使地形点云上的“尖刺”、“深坑”消除，使地形在整体上显得更加平滑、自然。点云中值滤波的具体步骤如下：
步骤401、根据点云Pr与Mrc的映射关系，按照Mrc的行列顺序对Pr进行遍历，对于当前正在计算的顶点Vi∈Pr，其在Mrc上对应的栅格为(ri，ci)，其中ri∈[1，r-1]，ci∈[1，c-1]，r和c分别为Mrc的行数和列数。在Mrc中，(ri，ci)的8-邻域中的点分别为(ri-1，ci-1)、(ri-1，ci)、(ri-1，ci+1)、(ri，ci-1)、(ri，ci+1)、(ri+1，ci-1)、(ri+1，ci)、(ri+1，ci+1)，这些点在Pr上的对应顶点记为{Vin}。判断{Vin}中的顶点是否都落在建模范围Aic内，是则执行步骤402，否则执行步骤403。
步骤402、对{Vin}中的顶点按高度自高向低排列，取排在中间位置的两个顶点的均值，作为Vi的新的高度数值：
Figure BDA00023952542500000815
其中，z#4和z#5分别表示{Vin}中高度排第4位和第5位的顶点的高度参数。
步骤403、完成对Vi的滤波计算，对Mrc中下一个栅格的对应顶点Vi+1进行计算，直到所有顶点遍历结束。中值滤波后，Pr即为平滑后的地形点云。
在步骤五中，对平滑地形点云进行采样，从点云中提取出对地形地貌几何信息描述贡献较大的顶点，形成地形采样结果点云。
相比于三维成像声纳所采集的原始点云数据，栅格化后的地形点云在顶点数量上已经大大减少。但是对于地形三维渲染而言，栅格化点云的顶点数量依然非常庞大。一方面，点数过多会使后续三维表面重建算法耗费大量时间；另一方面，地形三维渲染只要求有限的顶点能描述出地形地貌的几何特征，而并不需要过多的顶点。针对平滑地形点云的采样算法，以点云中顶点对于地形地貌形态贡献的大小作为依据，在地形地貌变化剧烈区域的顶点容易被保留，而平缓地势区域的顶点则容易被剔除。
采用Very Important Point——VIP采样算法对地形点云进行采样。VIP算法的核心思想是计算每个顶点在地形上的局部起伏幅度，根据幅度大小来决定顶点的重要程度，最后按照采样率从点云中选取重要性最高的顶点，形成采样结果点云。
在步骤六中，通过三维表面重建算法将地形采样结果点云上的顶点连接成三角形网格，形成地形三维模型。采用Delaunay三角化算法对地形采样结果点云Ps进行表面重建，建立地形三维网格模型。地形三维网格模型文件可在三维图形引擎或者三维显示软件程序中加载、显示，实现海底地形的三维渲染，使管道巡检数据分析人员可根据海底地形三维可视化图像进行风险分析。
实施例：
以如图5所示的三维成像声纳点云为例。经过自动建模后得到的海底地形三维网格模型如图6所示。在三维图形引擎中加载、显示的海底地形三维模型三维渲染效果如图7和图8所示。

Claims (8)

1.一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，包括以下步骤：
步骤一、预处理，根据海底管道路由数据，计算得到海底地形三维模型建模范围，然后根据建模范围对基于声纳系统所采集的地形点云数据进行裁剪，得到建模范围内的地形三维点云数据；
步骤二、栅格化，根据地形三维模型建模范围，建立地形三维点云的平面映射矩阵，将点云上的所有顶点划分到矩阵上的栅格中，并对同一个栅格内的顶点的高度进行反距离加权求和，将加权平均高度和作为栅格中心点的高度，从而形成栅格化的地形三维点云；
步骤三、迭代插值，通过多轮迭代的插值计算，逐步填充栅格化地形点云中的空缺位置，得到地形建模范围内的完整的、无空隙的点云；
步骤四、平滑处理，通过中值滤波方法对完整的、无空隙的地形点云进行平滑处理，避免点云上局部区域的“尖刺”、“深坑”现象影响后续的地形三维渲染效果；
步骤五、地形采样，以地形点云上的顶点对地形地貌的贡献值为指标，对点云进行采样，在减少点云顶点数量的同时尽可能保留地形上的关键点，减少后续执行地形三维渲染的计算机的性能压力；
步骤六、表面重建，将地形点云上的顶点连接成三角形网格，形成地形三维网格模型。
2.如权利要求1所述的一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，所述的步骤一到步骤六具体为：
步骤一、根据管道路由数据，计算得到地形三维模型建模范围，并根据建模范围对三维成像声纳所采集的稠密点云进行裁剪，得到建模范围内的地形三维点云；
步骤二、根据建模范围内的地形三维点云，建立一个平面映射矩阵，根据矩阵栅格对点云中的点进行栅格归类以及加权高度计算，将计算得到的点云高度数据存储到矩阵中，形成栅格化的地形点云；
栅格化计算的步骤如下：
步骤201、计算建模范围内的地形三维点云Pof的水平最值，包括xmax、xmin、ymax和ymin；
步骤202、根据用户给定的栅格尺寸dpixel，建立平面映射矩阵Mrc，其中r和c分别为Mrc的行数和列数：
Figure FDA0002395254240000011
步骤203、遍历Pof点云，对当前正在计算的顶点Vi∈Pof进行栅格归类；
步骤204、遍历Mrc中的所有栅格，计算栅格中所有顶点高度的反距离加权平均值，作为栅格中心点的高度；
步骤三、对栅格化地形点云中的空缺位置进行迭代插值计算，得到建模范围内完整的、无空隙的地形点云；
步骤四、采用中值滤波对建模范围内的完整地形点云平滑处理，得到平滑地形点云；
步骤五、对平滑地形点云进行采样，从点云中提取出对地形地貌几何信息描述贡献较大的顶点，形成地形采样结果点云；
步骤六、通过三维表面重建算法将地形采样结果点云上的顶点连接成三角形网格，形成地形三维模型。
3.如权利要求1所述的一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，所述的步骤203具体为：
步骤2031、创建权重和列表LSw＝{Swk，k＝0，1，...，(r×c)-1}以及加权高度和列表Lswh＝{Swhk，k＝重，1，...，(r×c)-1}，列表中所有元素初始值为0.0，两个列表的大小与Mrc的大小一致，Mrc中的每个栅格rk，ck)对应一个Swk和一个Swhk；
步骤2032、遍历Pof点云，对于当前正在计算的顶点Vi(xi，yi，zi)，计算其在Mrc中的对应栅格(rk，ck)：
Figure FDA0002395254240000012
步骤2033、计算栅格(rk，ck)中心点在Pof上的对应顶点Vc(xc，yc，zc)的水平坐标：
Figure FDA0002395254240000021
步骤2034、Vi与Vc之间的水平距离d和反距离权重w，其中p为反距离加权平均计算的权重系数，一般取值2或者3：
Figure FDA0002395254240000022
步骤2035、更新(rk，ck)栅格的权重和Swk以及加权高度和Swhk：
Figure FDA0002395254240000023
步骤2036、Vi计算完毕，对下一个顶点Vi+1进行计算，执行步骤2032到步骤2035，直到Pof遍历结束。栅格归类最后得到的结果是权重和列表LSw以及加权高度和列表LSwh。
4.如权利要求1所述的一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，所述的步骤204具体为：
步骤2041、对于当前正在遍历的Mrc中的栅格(rk，ck)，其中k＝0，1，...，r×c，计算栅格中心点对应到点云Pof上的顶点Vc(xc，yc，zc)：
Figure FDA0002395254240000024
步骤2042、判断(rk，ck)的权重和Swk是否大于0.0，是则计算栅格中心点加权平均高度：
Figure FDA0002395254240000025
若Sw等于0.0，则记zc为一个固定的极小值，以标注该点为空隙点，需要在后续步骤中进行插值计算，以得到有效的高度数值；
步骤2043、对于(rk，ck)栅格，得到顶点Vc(xc，yc，zc)，将Vc存储到点云Pr中，并对下一个栅格(rk+1，ck+1)进行计算，执行步骤2041到步骤2042，直到Mrc遍历结束。
5.如权利要求1所述的一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，所述的步骤三具体为：
步骤301、遍历Pr，统计其中所有空隙点的索引Iintp，以及Iintp中元素的数量tintp，若tintp等于0，则退出遍历，完成计算，否则执行步骤302。
步骤302、设统计量tct，初值为0，用于记录本次遍历中插值成功的顶点数量，并对Iintp中的索引数据进行随机打乱。
步骤303、遍历Iintp，对于当前正在计算的顶点索引ik，找到Pr上的对应顶点
Figure FDA0002395254240000026
基于
Figure FDA0002395254240000027
周围半径为rintp的圆形区域内的顶点，插值计算得到
Figure FDA0002395254240000028
的高度；rintp的初始值为用户算法启动前给定的参数值，表示对于单个顶点的邻域插值检测范围半径。
针对单个顶点的邻域插值步骤如下：
步骤3031、对于Pr上的顶点
Figure FDA0002395254240000029
遍历其周围与其水平距离小于或等于rintp的顶点，假设当前遍历的顶点为Vu(xu，yu，zu)，若Vu为待插值点，则直接执行步骤3034，否则执行步骤3032；
步骤3032、计算Vu与
Figure FDA00023952542400000210
的水平距离d和反距离权重w：
Figure FDA00023952542400000211
步骤3033、记录
Figure FDA00023952542400000212
的权重和
Figure FDA00023952542400000213
以及加权高度和
Figure FDA00023952542400000214
每个
Figure FDA00023952542400000215
维护唯一的一个
Figure FDA00023952542400000216
和唯一的一个
Figure FDA00023952542400000217
Figure FDA00023952542400000218
步骤3034、Vu计算完毕，遍历
Figure FDA00023952542400000219
邻域中的下一个顶点Vu+1，直到邻域中的顶点遍历完成；
步骤3035、遍历结束后，若
Figure FDA0002395254240000031
等于0.0，则执行步骤301，若
Figure FDA0002395254240000032
大于0.0，则得到
Figure FDA0002395254240000033
的插值高度
Figure FDA0002395254240000034
并将ik从Iintp中删除，同时统计量tct加1：
Figure FDA0002395254240000035
步骤304、判断tct是否为0，是则表示本轮计算中没有填补任何一个待插值点，插值计算可能已进入死循环，因此以固定步长扩大rintp的数值，并执行步骤301。
插值计算结束后，点云Pr即为建模范围内完整的、无空隙的地形点云。
6.如权利要求1所属的一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，所述的步骤四具体为：
步骤401、根据点云Pr与Mrc的映射关系，按照Mrc的行列顺序对Pr进行遍历，对于当前正在计算的顶点Vi∈Pr，其在Mrc上对应的栅格为(ri，ci)，其中ri∈[1，r-1]，ci∈[1，c-1]，r和c分别为Mrc的行数和列数。
在Mrc中，(ri，ci)的8-邻域中的点分别为(ri-1，ci-1)、(ri-1，ci)、(ri-1，ci+t)、(ri，ci-1)、(ri，ci+1)、(ri+1，ci-1)、(ri+1，ci)、(ri+1，ci+1)，这些点在Pr上的对应顶点记为{Vin}。判断{Vin}中的顶点是否都落在建模范围Aic内，是则执行步骤402，否则执行步骤403；
步骤402、对{Vin}中的顶点按高度自高向低排列，取排在中间位置的两个顶点的均值，作为Vi的新的高度数值：
Figure FDA0002395254240000036
其中，z#4和z＃5分别表示{Vin}中高度排第4位和第5位的顶点的高度参数；
步骤403、完成对Vi的滤波计算，对Mrc中下一个栅格的对应顶点Vi+1进行计算，直到所有顶点遍历结束。中值滤波后，Pr即为平滑后的地形点云。
7.如权利要求1所述的一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，所述的步骤五采用VIP采样算法对地形点云进行采样，以顶点在地形上的局部起伏幅度作为其对地形地貌形态描述的贡献值，并根据贡献值的大小选择重要性较高的顶点，形成采样结果点云。
8.如权利要求1所述的一种基于三维成像声纳点云的海底地形三维模型自动建模方法，其特征在于，所述的步骤六采用Delaunay三角化算法对地形采样结果点云进行表面三维重建，建立地形三维网格模型。
CN202010128881.0A 2020-02-28 2020-02-28 基于三维成像声纳点云的海底地形三维模型自动建模方法 Pending CN113327321A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010128881.0A CN113327321A (zh) 2020-02-28 2020-02-28 基于三维成像声纳点云的海底地形三维模型自动建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010128881.0A CN113327321A (zh) 2020-02-28 2020-02-28 基于三维成像声纳点云的海底地形三维模型自动建模方法

Publications (1)

Publication Number Publication Date
CN113327321A true CN113327321A (zh) 2021-08-31

Family

ID=77413364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010128881.0A Pending CN113327321A (zh) 2020-02-28 2020-02-28 基于三维成像声纳点云的海底地形三维模型自动建模方法

Country Status (1)

Country Link
CN (1) CN113327321A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114612627A (zh) * 2022-03-11 2022-06-10 广东汇天航空航天科技有限公司 地形高程图的处理方法、装置、交通工具及介质
CN114925496A (zh) * 2022-04-19 2022-08-19 中国科学院声学研究所 一种海洋环境噪声预报方法
CN115082641A (zh) * 2022-08-19 2022-09-20 航天宏图信息技术股份有限公司 一种基于网格化多邻域插值的点云栅格化方法及装置
WO2023202551A1 (zh) * 2022-04-19 2023-10-26 北京字跳网络技术有限公司 声透射方法、装置和非易失性计算机可读存储介质
CN117095134A (zh) * 2023-10-18 2023-11-21 中科星图深海科技有限公司 一种三维海洋环境数据插值处理方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114612627A (zh) * 2022-03-11 2022-06-10 广东汇天航空航天科技有限公司 地形高程图的处理方法、装置、交通工具及介质
CN114925496A (zh) * 2022-04-19 2022-08-19 中国科学院声学研究所 一种海洋环境噪声预报方法
WO2023202551A1 (zh) * 2022-04-19 2023-10-26 北京字跳网络技术有限公司 声透射方法、装置和非易失性计算机可读存储介质
CN115082641A (zh) * 2022-08-19 2022-09-20 航天宏图信息技术股份有限公司 一种基于网格化多邻域插值的点云栅格化方法及装置
CN115082641B (zh) * 2022-08-19 2022-12-02 航天宏图信息技术股份有限公司 一种基于网格化多邻域插值的点云栅格化方法及装置
CN117095134A (zh) * 2023-10-18 2023-11-21 中科星图深海科技有限公司 一种三维海洋环境数据插值处理方法
CN117095134B (zh) * 2023-10-18 2023-12-22 中科星图深海科技有限公司 一种三维海洋环境数据插值处理方法

Similar Documents

Publication Publication Date Title
CN113327321A (zh) 基于三维成像声纳点云的海底地形三维模型自动建模方法
US8027517B2 (en) Method for stratigraphic interpretation of seismic images
Caumon et al. Surface-based 3D modeling of geological structures
Kreylos et al. Immersive visualization and analysis of LiDAR data
US8094515B2 (en) Seismic data visualizations
EP2281278A1 (en) Systems and methods for imaging a three-dimensional volume of geometrically irregular grid data representing a grid volume
US20140058713A1 (en) Seismic modeling system and method
Smith The navigation surface: a multipurpose bathymetric database
CN110197035B (zh) 一种航道水下地形变化分析系统及方法
CN114723907A (zh) 面向无人机倾斜摄影三维模型数据的水面区域重建方法
KR20130096432A (ko) 해저면데이터의 경사도를 이용하여 해저지형정보를 생성하는 시스템 및 그 방법
CN111445569B (zh) 一种沉积地质演化动态模拟方法
CN115100363A (zh) 基于探地雷达的地下异常体三维建模方法及装置
Castanié et al. VolumeExplorer: Roaming large volumes to couple visualization and data processing for oil and gas exploration
Smith et al. The navigation surface: A new database approach to creating multiple products from high-density surveys
Marks et al. The IHO-IOC GEBCO Cook Book.
Miola et al. A computational approach for 3D modeling and integration of heterogeneous geo-data
KR20130096854A (ko) 수중음파필터링과 3차원 해저표고모델을 이용하여 3차원 해저지형정보를 생성하는 시스템
Guth Quantifying terrain fabric in digital elevation models
Peters et al. Generation and generalization of safe depth-contours for hydrographic charts using a surface-based approach
Fu et al. Development and Application of Marine Environment Data Visualization Technology
CN115469361B (zh) 一种碎屑岩地层三维地质建模方法
Lau et al. Sea floor bathymetry trackline surface fitting without visible artifacts using ODETLAP
Richardsen et al. Mapping 3D geo-bodies based on level set and marching methods
CN108647692B (zh) 基于lh直方图的海洋层结提取方法

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