CN113608195A - 一种激光雷达全波形数据分解测深方法、装置及电子设备 - Google Patents
一种激光雷达全波形数据分解测深方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113608195A CN113608195A CN202111168056.4A CN202111168056A CN113608195A CN 113608195 A CN113608195 A CN 113608195A CN 202111168056 A CN202111168056 A CN 202111168056A CN 113608195 A CN113608195 A CN 113608195A
- Authority
- CN
- China
- Prior art keywords
- data
- channel
- echo
- water
- determining
- 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
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 260
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000011160 research Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 101150029607 SS18L1 gene Proteins 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 5
- 238000012876 topography Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种激光雷达全波形数据分解测深方法、装置及电子设备,其中,激光雷达全波形数据分解测深方法包括:获取探测研究水域的全波形数据;根据全波形数据的通道数据进行预处理,确定第一有效波形数据;对第一有效波形数据进行滤波处理,得到第二有效波形数据和噪声数据;根据第二有效波形数据和噪声数据进行筛选,确定正确通道数据;根据正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组;根据高斯回波参数组进行优化,确定真实水表时间和真实水底时间;根据真实水表时间和真实水底时间,确定研究水域的水深。本发明通过多通道数据对研究水域进行解算及联合验证,有效地排除了大量噪声数据,提升了水深计算精度。
Description
技术领域
本发明涉及激光雷达技术领域,具体而言,涉及一种激光雷达全波形数据分解测深方法、装置及电子设备。
背景技术
机载激光雷达测深(Airborne Laser bathymetric,ALB)技术能够快速、高精度获取研究水域水深及水下地形,近年来得到了快速发展,其在浅海及岛礁水深测量、河道水深测量以及水下地形地貌测绘等领域均有着广泛的应用。
由于激光雷达系统单通道数据传输方式无法满足数据传输量较大等情形,目前,激光雷达测深多采用多通道数据联合。而在多通道联合处理方面,例如使用近红外通道确定水面回波位置,使用深水通道确定水底回波位置等传统方法,无法对回波中的错误数据进行有效剔除,导致计算结果会包含大量的噪声点,降低了水深计算的精度。
发明内容
本发明解决的问题是:如何有效排除噪声数据,提升水深计算精度。
为解决上述问题,本发明提供一种激光雷达全波形数据分解测深方法,包括:
获取探测研究水域的全波形数据;
根据所述全波形数据的通道数据进行预处理,确定第一有效波形数据;
对所述第一有效波形数据进行滤波处理,得到第二有效波形数据和噪声数据;
根据所述第二有效波形数据和所述噪声数据进行筛选,确定正确通道数据;
根据所述正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组;
根据所述高斯回波参数组进行优化,确定真实水表时间和真实水底时间;
根据所述真实水表时间和所述真实水底时间,确定所述研究水域的水深。
可选地,所述全波形数据包括多条原始回波数据,且每条所述原始回波数据包括通道一、通道二、通道三和通道四的所述通道数据,其中,所述通道一的所述通道数据适用于确定水表回波数据,所述通道二、通道三和通道四的所述通道数据适用于确定所述水表回波数据和水底回波数据;所述根据所述全波形数据的通道数据进行预处理,确定第一有效波形数据包括:
叠加所述原始回波数据的所述通道一、所述通道二、所述通道三和所述通道四的所述通道数据,得到叠加回波数据;
根据所述叠加回波数据,确定所述叠加回波数据的有效波形范围;
根据所述有效波形范围,确定所述通道一、所述通道二、所述通道三和所述通道四的所述第一有效波形数据。
可选地,所述有效波形范围包括有效波形的边界;所述根据所述叠加回波数据,确定所述叠加回波数据的有效波形范围包括:
根据所述叠加回波数据,确定所述叠加回波数据的波峰序列;
确定所述波峰序列的累计标准差;
根据所述累计标准差和所述波峰序列确定所述边界。
可选地,所述根据所述第二有效波形数据和所述噪声数据进行筛选,确定正确通道数据包括:
根据所述通道一的第二有效波形数据和噪声数据进行筛选,确定所述通道一的正确水表回波数据;
根据所述通道二、所述通道三和所述通道四的第二有效波形数据与噪声数据以及所述通道一的正确水表回波数据,确定正确通道二数据、正确通道三数据和正确通道四数据。
可选地,所述根据所述通道二、所述通道三和所述通道四的第二有效波形数据与噪声数据以及所述通道一的正确水表回波数据,确定正确通道二数据、正确通道三数据和正确通道四数据包括:
分别确定所述通道二、所述通道三和所述通道四的所述第二有效波形数据的凸边数据;
根据所述通道二、所述通道三和所述通道四的所述噪声数据与所述凸边数据,分别确定所述通道二、所述通道三和所述通道四的所述水表回波数据和所述水底回波数据;
根据所述通道二、所述通道三和所述通道四的所述水表回波数据和所述水底回波数据以及所述通道一的正确水表回波数据,分别确定所述正确通道二数据、所述正确通道三数据和所述正确通道四数据。
可选地,所述根据所述正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组包括:
步骤510、确定所述正确通道数据的能量序列;
步骤520、根据所述能量序列,确定高斯回波参数;
步骤530、根据所述高斯回波参数,剥离所述正确通道数据中的高斯回波;
步骤540、当剥离所述高斯回波后的所述正确通道数据满足预设条件时,确定高斯回波参数组;
其中,当剥离所述高斯回波后的所述正确通道数据不满足预设条件时,将剥离所述高斯回波后的所述正确通道数据赋值为步骤510中的所述正确通道数据,重复步骤510至步骤540。
可选地,所述根据所述高斯回波参数组进行优化,确定真实水表时间和真实水底时间包括:
构建目标函数,采用LM算法优化所述高斯回波参数组,得到优化后的所述高斯回波参数组;
根据所述优化后的所述高斯回波参数组,确定所述真实水表时间和所述真实水底时间。
可选地,所述根据所述真实水表时间和所述真实水底时间,确定所述研究水域的水深包括:
根据所述真实水表时间、所述真实水底时间和水深测量公式计算所述研究水域的水深;所述水深测量公式为:
为解决上述问题,本发明还提供一种激光雷达全波形数据分解测深装置,包括:
获取单元,用于获取探测研究水域的全波形数据;
计算识别单元,用于根据所述全波形数据的通道数据进行预处理,确定第一有效波形数据;用于对所述第一有效波形数据进行滤波处理,得到第二有效波形数据和噪声数据;用于根据所述第二有效波形数据和所述噪声数据进行筛选,确定正确通道数据;用于根据所述正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组;用于根据所述高斯回波参数组进行优化,确定真实水表时间和真实水底时间;以及用于根据所述真实水表时间和所述真实水底时间,确定所述研究水域的水深。
为解决上述问题,本发明还提供一种电子设备,包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,实现如上所述的激光雷达全波形数据分解测深方法。
本发明与现有技术相比,具有以下有益效果:通过联合机载激光雷达获取的全波形数据的多通道数据对近海岸水深等研究水域进行解算及联合验证,以有效地排除获取数据中的大量噪声数据,便于准确获取真实水表时间和真实水底时间用于水深计算,避免了错误数据对计算结果的影响,提升了水深计算、测绘水下地形等的精度。且本方法中提出了一种基于曲率的高斯迭代分解方法,以实现相应波形数据在时间序列上的迭代分解,较好地反映了波形接收过程的物理特性,有效地提高了高斯分解结果的合理性,进一步提高了水深计算结果等的准确性与可靠性。
附图说明
图1为本发明实施例中激光雷达全波形数据分解测深方法的流程图;
图2为本发明实施例中步骤200的流程图;
图3为本发明实施例中步骤220的流程图;
图4为本发明实施例中步骤300的流程图
图5为本发明实施例中步骤400的流程图;
图6为本发明实施例中步骤420的流程图;
图7为本发明实施例中步骤500的流程图;
图8为本发明实施例中步骤600的流程图;
图9为本发明实施例中激光雷达全波形数据分解测深装置的结构框图;
图10为本发明实施例中通道数据与叠加回波数据的示意图;
图11为本发明实施例中原始波形与对应能量曲线的示意图;
图12为本发明实施例中原始波形与水表回波和水底回波的示意图。
附图标记说明:
10-获取单元,20-计算识别单元。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
结合图1所示,本发明实施例提供一种激光雷达全波形数据分解测深方法,包括以下步骤:
步骤100、获取探测研究水域的全波形数据。
具体地,在研究水域采用机载激光雷达系统发射例如大功率、窄脉冲的激光束,并记录相应的回波信号能量在时间序列上的分布情况,从而形成完整的全波形数据,以用于探测研究水域的水深等情况。
步骤200、根据全波形数据的通道数据进行预处理,确定第一有效波形数据。
具体地,对机载激光雷达系统获取的全波形数据包括的每条原始回波数据的四个通道的通道数据(后文具体介绍)进行预处理,即叠加原始回波数据的四个通道的通道数据,确定叠加数据的有效波形范围(边界),从而确定四个通道数据各自的有效波形数据(记为第一有效波形数据或第一有限波形序列),剔除通道数据的背景噪声等噪声数据。
步骤300、对第一有效波形数据进行滤波处理,得到第二有效波形数据和噪声数据。
具体地,对步骤200得到的全波形数据的每条原始回波数据的四个通道的四个第一有效波形数据均使用一维高斯滤波器进行滤波,以过滤波形信号中的随机噪声等噪声数据,得到四个通道的第一有效波形数据各自滤波后的波形数据(记为第二有效波形数据)和滤去的噪声数据。
步骤400、根据第二有效波形数据和噪声数据进行筛选,确定正确通道数据。
具体地,根据回波波形等特征,结合四个通道的第一有效波形数据的二有效波形数据和噪声数据,分别对四个通道的滤波后的第二有效波形数据进行识别判定,剔除不可靠数据(进一步过滤噪声数据),得到可靠的正确通道数据。
步骤500、根据正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组。
具体地,通过步骤400确定全波形数据的每条原始回波数据的正确通道数据后,根据相应正确通道数据的能量序列(后文介绍),基于时间序列剥离高斯回波,得到多个高斯回波参数组。
步骤600、根据高斯回波参数组进行优化,确定真实水表时间和真实水底时间。
具体地,构建目标函数,根据目标函数和步骤500得到的高斯回波参数组,采用LM(Levenberg-Marquard)算法对高斯回波参数组进行优化(后文介绍),得到精确优化的高斯回波参数组,从而根据精确优化的高斯回波参数组得到真实水表时间和真实水底时间(后文具体介绍)。
步骤700、根据真实水表时间和真实水底时间,确定研究水域的水深。
具体地,根据步骤600得到的真实水表时间和真实水底时间,计算研究水域的水深。
本发明的激光雷达全波形数据分解测深方法,通过联合机载激光雷达获取的全波形数据的多通道数据对近海岸水深等研究水域进行解算及联合验证,以有效地排除获取数据中的大量噪声数据,便于准确获取真实水表时间和真实水底时间用于水深计算,避免了错误数据对计算结果的影响,提升了水深计算、测绘水下地形等的精度。且本方法中提出了一种基于曲率的高斯迭代分解方法,以实现相应波形数据在时间序列上的迭代分解,较好地反映了波形接收过程的物理特性,有效地提高了高斯分解结果的合理性,进一步提高了水深计算结果等的准确性与可靠性。
可选地,结合图10所示,全波形数据包括多条原始回波数据,且每条原始回波数据包括通道一、通道二、通道三和通道四的通道数据,其中,通道一的通道数据适用于确定水表回波数据,通道二、通道三和通道四的通道数据适用于确定水表回波数据和水底回波数据。
全波形数据的每条原始回波数据均包括通道一、通道二、通道三和通道四的通道数据。其中,通道一、通道二、通道三和通道四的通道数据各自具有不同的回波波形特征,可通过例如发射不同波长的光脉冲实现。通道一的通道数据适用于确定水表回波数据,通道二、通道三和通道四的通道数据适用于确定水表回波数据和水底回波数据,其中,水表回波数据包括水表时间(即水表回波时刻)等数据,水底回波数据包括水底时间(即水底回波时刻)等数据。具体地,通道一主要用于水波回波位置确定、水表时间获取等,通道四主要用于深水区域的水底回波位置确定、深水区域水深获取等,通道二和通道三主要用于浅水区域水深获取、作为部分的验证数据等;由于通道一的正确水表回波数据(可靠的水表回波数据)的水表时间的准确度较高,通道一的正确水表回波数据适用于验证通道二、通道三和通道四的水表回波数据的水表时间准确性(后文介绍)。如此,以便于通过联合机载激光雷达获取的多通道数据对近海岸水深进行解算以及有效地排除数据获取中的噪声数据。
结合图1、图2和图10所示,步骤200具体包括以下步骤:
步骤210、叠加原始回波数据的通道一、通道二、通道三和通道四的通道数据,得到叠加回波数据。
本步骤中,通过叠加通道一、通道二、通道三和通道四的通道数据,以便于后续步骤通过确定叠加回波数据的有效波形范围,从而得到通道一、通道二、通道三和通道四的有效波形范围。具体地,通道一、通道二、通道三和通道四的通道数据分别记为、、和,叠加回波数据记为,有:
步骤220、根据叠加回波数据,确定叠加回波数据的有效波形范围。
可选地,结合图3所示,有效波形范围包括有效波形的边界(左边界和右边界);步骤220具体包括以下步骤:
步骤221、根据叠加回波数据,确定叠加回波数据的波峰序列。
具体地,采用的一阶导数即可探测出位于时间序列上的局部极值点,得到的局部极大值点即为的波峰,得到的局部极小值点即为的波谷。基于叠加回波数据的时间坐标轴,将时间坐标轴正方向作为正向,反向作为逆向,并从正向和逆向分别探测提取的局部极大值点(波峰点),按叠加回波数据的波峰点重新排序构建成正向波峰序列和逆向波峰序列,表示如下:
步骤222、确定波峰序列的累计标准差。
其中,表示正向上每增加一个波峰的累计振幅平均值(即正向上当前累计波峰的振幅平均值),表示逆向上每增加一个波峰的累计振幅平均值(即逆向上当前累计波峰的振幅平均值),和分别为正向和逆向当前累计增加波峰的总个数。和的表达式如下:
步骤223、根据累计标准差和波峰序列确定边界。
具体地,对于正向波峰序列,当从正向计算至某个波峰的累计标准差大于或等于上一次计算标准差的倍时,确定这两个波峰对应的时刻和,然后基于正向波谷序列(正向探测提取的局部极小值点,即波谷点,按波谷点重新排序即可构建正向波谷序列)寻找到在这两个时刻之间的波谷对应的时刻为:
即为叠加回波数据的有效波形的左边界。类似地,对于逆向波峰序列,当从逆向计算至某个波峰的累计标准差大于或等于上一次计算标准差的倍时,确定这两个波峰对应的时刻和,然后基于逆向波谷序列(逆向探测提取的局部极小值点,即波谷点,按波谷点重新排序即可构建逆向波谷序列)寻找到在这两个时刻之间的波谷对应的时刻为:
即为叠加回波数据的有效波形的右边界。如此确定叠加回波数据的有效波形的左右边界(有效波形范围)的原因在于:对于回波波形,当存在较大峰值时,相应累计标准差会有一个较为明显的突变,故依此判定有效波形左右边界,从而剔除回波波形中除有效波形外的噪声数据。对于,其可根据实际应用场景进行设定(或预设)。
步骤230、根据有效波形范围,确定通道一、通道二、通道三和通道四的第一有效波形数据。
具体的,通过步骤220确定了叠加数据的有效波形在时间轴上的有效波形范围,即确定了叠加数据的有效波形数据。采用同样有效波形范围(同样边界)的通道一、通道二、通道三和通道四的通道数据即分别为通道一、通道二、通道三和通道四的第一有效波形数据。通道一、通道二、通道三和通道四的第一有效波形数据分别记为、、和。
这样,通过叠加通道数据得到叠加回波数据,以寻求叠加回波数据的有效波形范围,从而得到通道一、通道二、通道三和通道四的第一有效波形数据,剔除了通道一、通道二、通道三和通道四的通道数据中除第一有效波形数据外的噪声数据(例如背景噪声等)。
可选地,结合图1、图4所示,步骤300具体包括以下步骤:
步骤310、分别对通道一、通道二、通道三和通道四的第一有效波形数据进行一维高斯滤波处理,得到通道一、通道二、通道三和通道四的第二有效波形数据;
步骤320、根据通道一、通道二、通道三和通道四的第一有效波形数据与第二有效波形数据,确定通道一、通道二、通道三和通道四的第一有效波形数据的噪声数据。
具体地,通过步骤310,对得到的全波形数据的每条原始回波数据的四个通道的四个第一有效波形数据、、和均使用一维高斯滤波器进行滤波,得到四个通道的第一有效波形数据各自滤波后的波形数据(记为第二有效波形数据)分别为、、和。通过步骤320,分别通过四个通道的第一有效波形数据减去相应通道滤波得到的第二有效波形数据,即可得到四个通道的第一有效波形数据各自滤去的噪声数据分别为、、和。、、和,以及、、和,表示如下:
可选地,结合图1、图5所示,步骤400具体包括以下步骤:
具体地,确定通道一的第二有效波形数据的最大值及该最大值对应的时刻。当该最大值大于倍时,判定为可靠的数据,为可靠水表时间(即正确水表回波数据,其中,水表时间即为水表回波时刻)。判定原因在于:当最大值大于倍的噪声时,认为机载激光雷达系统的接收器接收到了水面反射的能量,故认为该可靠。对于,其可根据实际应用场景进行设定(或预设)。
可选地,结合图1、图5和图6所示,步骤420具体包括以下步骤:
步骤421、分别确定通道二、通道三和通道四的第二有效波形数据的凸边数据。
具体地,分别从正向和逆向探测提取、和的峰值(极大值);令、、正向和逆向上获得的初次满足预设条件的峰值分别记为水表回波和水底回波,且、、的水表回波波峰对应时间位置(即波峰对应时刻)分别记为水表时间、、,、、的水底回波波峰对应时间位置(即波峰对应时刻)分别记为水底时间、、,如此,以确定通道二、通道三和通道四的水表回波数据和水底回波数据。其中,预设条件为:相应凸边数据的峰值不小于倍相应噪声标准差,且相应凸边数据的波形在当前峰值的左右两侧半高宽大于阈值。其中,的设定类似于,用于认定接收器接收到了水面反射的能量,的设定在于峰值的半高宽是波形的属性之一,半波宽衡量了波形的宽度,用于作为波形是都是回波的依据;而且,和可根据实际应用场景进行设定(或预设)。
步骤423、根据通道二、通道三和通道四的水表回波数据和水底回波数据以及通道一的正确水表回波数据,分别确定正确通道二数据、正确通道三数据和正确通道四数据。
具体地,若、、中存在同一凸边数据的水表时间等于水底时间,认为该凸边数据对应的水底时间不可靠。而且,当为可靠水表时间,若、、中存在水表时间与的差值绝对值大于阈值时,判定该水表时间为不可靠水表时间,反之则为可靠水表时间。当为不可靠水表时间时,、、分别两两相减,判断其差值绝对值是否符合小于阈值,如果、、三个水表时间两两相减的差值绝对值均大于阈值,则当前三个水表时间均为不可靠水表时间;当存在差值绝对值小于阈值的两个水表时间时,判定当前相减的两个水表时间均为可靠水表时间,并判断第三个水表时间与当前相减的两个水表时间中任一个的差值绝对值是否大于阈值,若是,则判定第三个水表时间为可靠水表时间,若否,则判定第三个水表时间为不可靠水表时间。在一些实施例中,对于水表时间,存在通道二的水表时间可靠性最高,当为不可靠水表时间,为可靠水表时间时,优先判断其他待判断水表时间与的差值绝对值是否大于阈值,若是,则该待判断水表时间为可靠水表时间,若否,再判断该待判断水表时间与其他可靠水表时间的差值绝对值是否大于阈值。如果、、三个水表时间均为不可靠水表时间,则跳过当前水表时间,计算下条数据(下一条原始回波数据的四个通道数据)。而对可靠的水表时间,计算所有可靠的水表时间的平均值。
对于水底时间、、,如果为可靠水底时间,并且与的差值大于阈值时,分别判断与的差值绝对值以及与的差值绝对值是否小于阈值,判定与的差值绝对值小于阈值的水底时间为可靠水底时间。其中,的设定用于判断相应水底时间是否为深水数据,其可根据实际应用场景进行设定(或预设)。
如此,得到具有可靠水表时间和可靠水底时间的正确通道数据(正确通道二数据、正确通道三数据和正确通道四数据)。通过筛选全波形数据的所有原始回波数据,可得到全波形数据的所有原始回波数据的正确通道数据。
可选地,结合图1、图7、图11和图12所示,步骤500具体包括以下步骤:
步骤510、根据正确通道数据,确定正确通道数据的能量序列;
步骤520、根据能量序列,确定高斯回波参数;
步骤530、根据高斯回波参数,剥离正确通道数据中的高斯回波;
步骤540、当剥离高斯回波后的正确通道数据满足预设条件时,确定高斯回波参数组;
其中,当剥离高斯回波后的正确通道数据不满足预设条件时,将剥离高斯回波后的正确通道数据赋值为步骤510中的正确通道数据,重复步骤510至步骤540。
步骤500通过正确通道二数据、正确通道三数据或正确通道四数据来确定相应正确通道数据对应的高斯回波参数组,以用于后续步骤,其中,当步骤400仅得到正确通道二数据、正确通道三数据或正确通道四数据中的一个时,取该正确通道数据用于步骤500至步骤700进行计算即可,而当步骤400得到正确通道二数据、正确通道三数据或正确通道四数据中的多个时,取其中任一正确通道数据用于步骤500至步骤700进行计算即可。具体地,首先,通过步骤510,确定正确通道二数据、正确通道三数据或正确通道四数据对应的能量序列。其后,通过步骤520,根据步骤510得到的能量序列,确定相应正确通道数据的高斯回波参数,以用于后续步骤剥离该正确通道数据中的高斯回波。再后,通过步骤530,根据步骤520得到的高斯回波参数,剥离相应正确通道数据中的高斯回波。最后,在步骤540中,当根据步骤530得到的剥离高斯回波后的正确通道数据满足预设条件(即剥离高斯回波后的正确通道数据不再存在高斯回波)时,认定剥离结束,确定当前的高斯回波参数组(即通过步骤520得到的所有高斯回波参数)以用于后续步骤计算。当根据步骤530得到的剥离高斯回波后的正确通道数据不满足预设条件时,则将剥离高斯回波后的正确通道数据赋值为步骤510中的正确通道数据,重复步骤510至步骤540,直至剥离结束,并确定所有的高斯回波参数组(即通过步骤520得到的所有高斯回波参数)以用于后续步骤计算。为便于理解,下面以正确通道二数据进行举例说明,通过步骤510,确定正确通道二数据(记为)的每个点的能量序列为:
其后,通过步骤520,获取正确通道二数据的沿时间轴正向的第一个能量极大值和该能量极大值对应时刻,并通过该能量极大值对应时刻确定高斯回波参数。如图11所示,图11中原始波形即为正确通道数据对应波形,能量曲线为该原始波形对应的能量曲线,即为该原始波形第一个能量极大值对应时刻。具体地,确定正确通道二数据对应能量序列的第一个能量极大值点和对应时间,根据和如下公式确定第一个待剥离高斯回波的高斯回波参数、和,
其中,取1。最后,在步骤540中,当剥离高斯回波后的正确通道二数据满足预设条件时,确定高斯回波参数组。具体地,当的最大值不大于倍的噪声时,认为剥离结束,确定当前的高斯回波参数、和用于后续步骤。而当的最大值大于倍的噪声时,认为中还存在高斯回波,将作为步骤510中的正确通道数据并重复步骤510至步骤530,确定的能量序列,根据的能量序列确定第二个待剥离高斯回波的高斯回波参数、和,根据、和剥离中的高斯回波参数为、和的高斯回波,其后,根据步骤540判断是否剥离结束,若是,则确定当前的高斯回波参数组用于后续步骤,若否,则将剥离高斯回波后的作为步骤510中的正确通道数据并重复步骤510至步骤530,依此,至剥离结束,得到n个高斯回波参数组。对于预设条件:当正确通道数据(例如正确通道二数据)剥离高斯回波直至的最大值不大于倍的噪声时,认为剥离结束。其中,的设定类似于,用于判断当前数据是否还存在回波,以判断是否剥离结束,且可根据实际应用场景进行设定(或预设)。
可选地,结合图1、图8和图12所示,步骤600具体包括以下步骤:
步骤610、构建目标函数,采用LM算法优化高斯回波参数组,得到优化后的高斯回波参数组;
步骤620、根据优化后的高斯回波参数组,确定真实水表时间和真实水底时间。
具体地,构建关于正确通道数据与高斯回波参数的目标函数,将步骤500得到的正确通道二数据、正确通道三数据或正确通道四数据对应的高斯回波参数组作为目标函数的参数进行LM(Levenberg-Marquard)算法的非线性最小二乘迭代,以优化高斯回波参数组,从而确定真实水表时间和真实水底时间。例如(以正确通道二数据进行举例说明),构建关于正确通道二数据与相应高斯回波参数的目标函数如下:
根据该目标函数及相应高斯回波参数组,使用LM算法通过迭代对高斯回波参数组进行优化,得到精确优化的高斯回波参数组,取其中正确通道二数据第一次剥离的高斯回波(即为水表回波)的高斯回波参数为真实水表时间,取正确通道二数据时间轴上最靠后的高斯回波(例如取附近高斯回波中高斯回波参数最大的回波为水底回波)的高斯回波参数为真实水底时间,以获取精确的真实水表时间和真实水底时间,从而排除水中浮游介质等导致产生的中间部分高斯回波(噪声数据)的影响。
可选地,步骤700包括:
根据真实水表时间、真实水底时间和水深测量公式计算研究水域的水深;水深测量公式为:
以此求得研究水域的水深。
结合图9所示,本发明另一实施例提供一种激光雷达全波形数据分解测深装置,包括:
获取单元10,用于获取探测研究水域的全波形数据;
计算识别单元20,用于根据全波形数据的通道数据进行预处理,确定第一有效波形数据;用于对第一有效波形数据进行滤波处理,得到第二有效波形数据和噪声数据;用于根据第二有效波形数据和噪声数据进行筛选,确定正确通道数据;用于根据正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组;用于根据高斯回波参数组进行优化,确定真实水表时间和真实水底时间;以及用于根据真实水表时间和真实水底时间,确定研究水域的水深。
这样,激光雷达全波形数据分解测深装置(例如机载激光雷达系统等)通过获取单元10、计算识别单元20等结构的配合,保证了激光雷达全波形数据分解测深方法能够顺利且稳定地执行。且激光雷达全波形数据分解测深装置通过执行激光雷达全波形数据分解测深方法,以通过联合机载激光雷达获取的全波形数据的多通道数据对近海岸水深等研究水域进行解算及联合验证,以有效地排除获取数据中的大量噪声数据,便于准确获取真实水表时间和真实水底时间用于水深计算,避免了错误数据对计算结果的影响,提升了水深计算、测绘水下地形等的精度。且本方法中提出了一种基于曲率的高斯迭代分解方法,以实现相应波形数据在时较好地反映了代分解,较好地反映了波形接收过程的物理特性,有效地提高了高斯分解结果的合理性,进一步提高了水深计算结果等的准确性与可靠性。
本发明又一实施例提供一种电子设备,包括处理器和存储器,存储器存储有计算机程序,计算机程序被处理器执行时,实现上述的激光雷达全波形数据分解测深方法。
这样,例如计算机的电子设备包括处理器和存储器,存储器存储适于计算机程序,且存储器存储的计算机程序被处理器执行时可实现上述的激光雷达全波形数据分解测深方法。通过电子设备的处理器、存储器等结构的配合,执行激光雷达全波形数据分解测深方法,以通过联合机载激光雷达获取的全波形数据的多通道数据对近海岸水深等研究水域进行解算及联合验证,以有效地排除获取数据中的大量噪声数据,便于准确获取真实水表时间和真实水底时间用于水深计算,避免了错误数据对计算结果的影响,提升了水深计算、测绘水下地形等的精度。且本方法中提出了一种基于曲率的高斯迭代分解方法,以实现相应波形数据在时间序列上的迭代分解,较好地反映了波形接收过程的物理特性,有效地提高了高斯分解结果的合理性,进一步提高了水深计算结果等的准确性与可靠性。
虽然本公开披露如上,但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种激光雷达全波形数据分解测深方法,其特征在于,包括:
获取探测研究水域的全波形数据;
根据所述全波形数据的通道数据进行预处理,确定第一有效波形数据;
对所述第一有效波形数据进行滤波处理,得到第二有效波形数据和噪声数据;
根据所述第二有效波形数据和所述噪声数据进行筛选,确定正确通道数据;
根据所述正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组;
根据所述高斯回波参数组进行优化,确定真实水表时间和真实水底时间;
根据所述真实水表时间和所述真实水底时间,确定所述研究水域的水深。
2.如权利要求1所述的激光雷达全波形数据分解测深方法,其特征在于,所述全波形数据包括多条原始回波数据,且每条所述原始回波数据包括通道一、通道二、通道三和通道四的所述通道数据,其中,所述通道一的所述通道数据适用于确定水表回波数据,所述通道二、通道三和通道四的所述通道数据适用于确定所述水表回波数据和水底回波数据;所述根据所述全波形数据的通道数据进行预处理,确定第一有效波形数据包括:
叠加所述原始回波数据的所述通道一、所述通道二、所述通道三和所述通道四的所述通道数据,得到叠加回波数据;
根据所述叠加回波数据,确定所述叠加回波数据的有效波形范围;
根据所述有效波形范围,确定所述通道一、所述通道二、所述通道三和所述通道四的所述第一有效波形数据。
3.如权利要求2所述的激光雷达全波形数据分解测深方法,其特征在于,所述有效波形范围包括有效波形的边界;所述根据所述叠加回波数据,确定所述叠加回波数据的有效波形范围包括:
根据所述叠加回波数据,确定所述叠加回波数据的波峰序列;
确定所述波峰序列的累计标准差;
根据所述累计标准差和所述波峰序列确定所述边界。
4.如权利要求2所述的激光雷达全波形数据分解测深方法,其特征在于,所述根据所述第二有效波形数据和所述噪声数据进行筛选,确定正确通道数据包括:
根据所述通道一的第二有效波形数据和噪声数据进行筛选,确定所述通道一的正确水表回波数据;
根据所述通道二、所述通道三和所述通道四的第二有效波形数据与噪声数据以及所述通道一的正确水表回波数据,确定正确通道二数据、正确通道三数据和正确通道四数据。
5.如权利要求4所述的激光雷达全波形数据分解测深方法,其特征在于,所述根据所述通道二、所述通道三和所述通道四的第二有效波形数据与噪声数据以及所述通道一的正确水表回波数据,确定正确通道二数据、正确通道三数据和正确通道四数据包括:
分别确定所述通道二、所述通道三和所述通道四的所述第二有效波形数据的凸边数据;
根据所述通道二、所述通道三和所述通道四的所述噪声数据与所述凸边数据,分别确定所述通道二、所述通道三和所述通道四的所述水表回波数据和所述水底回波数据;
根据所述通道二、所述通道三和所述通道四的所述水表回波数据和所述水底回波数据以及所述通道一的正确水表回波数据,分别确定所述正确通道二数据、所述正确通道三数据和所述正确通道四数据。
6.如权利要求1-5中任一项所述的激光雷达全波形数据分解测深方法,其特征在于,所述根据所述正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组包括:
步骤510、确定所述正确通道数据的能量序列;
步骤520、根据所述能量序列,确定高斯回波参数;
步骤530、根据所述高斯回波参数,剥离所述正确通道数据中的高斯回波;
步骤540、当剥离所述高斯回波后的所述正确通道数据满足预设条件时,确定高斯回波参数组;
其中,当剥离所述高斯回波后的所述正确通道数据不满足预设条件时,将剥离所述高斯回波后的所述正确通道数据赋值为步骤510中的所述正确通道数据,重复步骤510至步骤540。
7.如权利要求6所述的激光雷达全波形数据分解测深方法,其特征在于,所述根据所述高斯回波参数组进行优化,确定真实水表时间和真实水底时间包括:
构建目标函数,采用LM算法优化所述高斯回波参数组,得到优化后的所述高斯回波参数组;
根据所述优化后的所述高斯回波参数组,确定所述真实水表时间和所述真实水底时间。
9.一种激光雷达全波形数据分解测深装置,其特征在于,包括:
获取单元(10),用于获取探测研究水域的全波形数据;
计算识别单元(20),用于根据所述全波形数据的通道数据进行预处理,确定第一有效波形数据;用于对所述第一有效波形数据进行滤波处理,得到第二有效波形数据和噪声数据;用于根据所述第二有效波形数据和所述噪声数据进行筛选,确定正确通道数据;用于根据所述正确通道数据进行基于曲率的高斯迭代分解,确定高斯回波参数组;用于根据所述高斯回波参数组进行优化,确定真实水表时间和真实水底时间;以及用于根据所述真实水表时间和所述真实水底时间,确定所述研究水域的水深。
10.一种电子设备,包括处理器和存储器,其特征在于,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-8中任一项所述的激光雷达全波形数据分解测深方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111168056.4A CN113608195B (zh) | 2021-10-08 | 2021-10-08 | 一种激光雷达全波形数据分解测深方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111168056.4A CN113608195B (zh) | 2021-10-08 | 2021-10-08 | 一种激光雷达全波形数据分解测深方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113608195A true CN113608195A (zh) | 2021-11-05 |
CN113608195B CN113608195B (zh) | 2022-01-25 |
Family
ID=78310736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111168056.4A Active CN113608195B (zh) | 2021-10-08 | 2021-10-08 | 一种激光雷达全波形数据分解测深方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113608195B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509050A (zh) * | 2021-12-31 | 2022-05-17 | 广州南方卫星导航仪器有限公司 | 一种水深数据处理方法及系统 |
CN116338628A (zh) * | 2023-05-16 | 2023-06-27 | 中国地质大学(武汉) | 一种基于学习架构的激光雷达测深方法、装置及电子设备 |
CN117031442A (zh) * | 2023-10-08 | 2023-11-10 | 中国地质大学(武汉) | 融合多通道波形数据的激光雷达水域地形测量方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217679A (zh) * | 2013-03-22 | 2013-07-24 | 北京航空航天大学 | 一种基于遗传算法的全波形激光雷达回波数据的高斯分解法 |
US20140062764A1 (en) * | 2012-09-04 | 2014-03-06 | Fugro Earthdata, Inc. | Method and apparatus for mapping and characterizing sea ice from airborne simultaneous dual frequency interferometric synthetic aperture radar (ifsar) measurements |
CN104280725A (zh) * | 2013-09-25 | 2015-01-14 | 中国科学院光电研究院 | 全波形激光雷达数据波形分解方法 |
CN106125088A (zh) * | 2016-08-29 | 2016-11-16 | 天津大学 | 基于激光雷达测深系统确定海水深度的方法 |
CN106556824A (zh) * | 2016-10-14 | 2017-04-05 | 深圳大学 | 一种全波形数据的噪声回波剔除方法及系统 |
CN110134976A (zh) * | 2018-02-09 | 2019-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种机载激光测深信号提取方法及系统 |
CN111077536A (zh) * | 2019-12-18 | 2020-04-28 | 华中科技大学鄂州工业技术研究院 | 一种海洋激光雷达测探回波分类方法及装置 |
CN111551952A (zh) * | 2020-05-08 | 2020-08-18 | 中国地质大学(武汉) | 一种水深测量激光数据的提取方法、水深测量方法及装置 |
-
2021
- 2021-10-08 CN CN202111168056.4A patent/CN113608195B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140062764A1 (en) * | 2012-09-04 | 2014-03-06 | Fugro Earthdata, Inc. | Method and apparatus for mapping and characterizing sea ice from airborne simultaneous dual frequency interferometric synthetic aperture radar (ifsar) measurements |
CN103217679A (zh) * | 2013-03-22 | 2013-07-24 | 北京航空航天大学 | 一种基于遗传算法的全波形激光雷达回波数据的高斯分解法 |
CN104280725A (zh) * | 2013-09-25 | 2015-01-14 | 中国科学院光电研究院 | 全波形激光雷达数据波形分解方法 |
CN106125088A (zh) * | 2016-08-29 | 2016-11-16 | 天津大学 | 基于激光雷达测深系统确定海水深度的方法 |
CN106556824A (zh) * | 2016-10-14 | 2017-04-05 | 深圳大学 | 一种全波形数据的噪声回波剔除方法及系统 |
CN110134976A (zh) * | 2018-02-09 | 2019-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种机载激光测深信号提取方法及系统 |
CN111077536A (zh) * | 2019-12-18 | 2020-04-28 | 华中科技大学鄂州工业技术研究院 | 一种海洋激光雷达测探回波分类方法及装置 |
CN111551952A (zh) * | 2020-05-08 | 2020-08-18 | 中国地质大学(武汉) | 一种水深测量激光数据的提取方法、水深测量方法及装置 |
Non-Patent Citations (4)
Title |
---|
KAI GUO 等: "Gaussian Half-Wavelength Progressive Decomposition Method for Waveform Processing of Airborne Laser Bathymetry", 《REMOTE SENSING》 * |
李由之 等: "双频激光雷达多通道波形数据联合测深方法", 《海洋测绘》 * |
王丹菂: "机载激光测深回波信号探测技术研究", 《中国优秀硕士学位论文全文数据库•基础科学辑》 * |
郭锴 等: "机载激光测深波形分解中LM与EM参数优化方法比较", 《测绘学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509050A (zh) * | 2021-12-31 | 2022-05-17 | 广州南方卫星导航仪器有限公司 | 一种水深数据处理方法及系统 |
CN114509050B (zh) * | 2021-12-31 | 2023-07-21 | 广州南方卫星导航仪器有限公司 | 一种水深数据处理方法及系统 |
CN116338628A (zh) * | 2023-05-16 | 2023-06-27 | 中国地质大学(武汉) | 一种基于学习架构的激光雷达测深方法、装置及电子设备 |
CN116338628B (zh) * | 2023-05-16 | 2023-09-15 | 中国地质大学(武汉) | 一种基于学习架构的激光雷达测深方法、装置及电子设备 |
CN117031442A (zh) * | 2023-10-08 | 2023-11-10 | 中国地质大学(武汉) | 融合多通道波形数据的激光雷达水域地形测量方法及装置 |
CN117031442B (zh) * | 2023-10-08 | 2024-01-02 | 中国地质大学(武汉) | 融合多通道波形数据的激光雷达水域地形测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113608195B (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113608195B (zh) | 一种激光雷达全波形数据分解测深方法、装置及电子设备 | |
Wang et al. | A comparison of waveform processing algorithms for single-wavelength LiDAR bathymetry | |
CN108872997B (zh) | 一种基于侧扫声呐数据融合与精密处理的海底线检测方法 | |
Roman et al. | A self‐consistent bathymetric mapping algorithm | |
US8990131B2 (en) | Bottom sediment determination device, ultrasonic finder, and method and program for setting parameters | |
CN110134976B (zh) | 一种机载激光测深信号提取方法及系统 | |
CN103761443B (zh) | 基于小波变换去噪的激光雷达波形数据处理方法 | |
CN106500671B (zh) | 一种基于lm算法分解激光雷达波形确定海水深度的方法 | |
CN110673108B (zh) | 一种基于迭代Klett的机载海洋激光雷达信号处理方法 | |
CN111077537B (zh) | 一种测探回波优化分类方法及装置 | |
CN111077536B (zh) | 一种海洋激光雷达测探回波分类方法及装置 | |
CN105676205A (zh) | 一种机载LiDAR波形数据高斯分解方法 | |
CN116776083B (zh) | 一种用于多波束海底地形测量的信号采集降噪方法 | |
CN105387842A (zh) | 基于感知驱动的自航式海底地形地貌测绘系统及测绘方法 | |
CN115187666A (zh) | 深度学习和图像处理结合的侧扫声呐海底高程探测方法 | |
CN110135299B (zh) | 一种用于浅水测深的单波段蓝绿激光波形分析方法及系统 | |
CN103777191B (zh) | 基于小波平移不变阈值去噪的激光雷达波形数据处理方法 | |
CN112904316B (zh) | 一种针对海面波动的机载激光测深数据折射误差改正方法 | |
Artilheiro | Analysis and procedures of multibeam data cleaning for bathymetric charting | |
Zhao et al. | Comprehensive sediment horizon picking from subbottom profile data | |
Mader et al. | Detection and extraction of water bottom topography from laserbathymetry data by using full-waveform-stacking techniques | |
CN116609758B (zh) | 一种机载激光测深波形旅行时提取方法 | |
CN116738375A (zh) | 基于单条带测深数据的诱导升沉误差探测消除方法及系统 | |
Geilhufe et al. | Through-the-sensor sharpness estimation for synthetic aperture sonar images | |
Letard et al. | Classification of coastal and estuarine ecosystems using full-waveform topo-bathymetric lidar data and artificial intelligence |
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 |