CN113945935B - 一种岛礁区水下空间结构精细刻画方法及系统 - Google Patents
一种岛礁区水下空间结构精细刻画方法及系统 Download PDFInfo
- Publication number
- CN113945935B CN113945935B CN202111190643.3A CN202111190643A CN113945935B CN 113945935 B CN113945935 B CN 113945935B CN 202111190643 A CN202111190643 A CN 202111190643A CN 113945935 B CN113945935 B CN 113945935B
- Authority
- CN
- China
- Prior art keywords
- data
- grid
- underwater
- topographic
- island
- 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
- 238000012512 characterization method Methods 0.000 title claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012876 topography Methods 0.000 claims abstract description 41
- 238000012937 correction Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims description 55
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 4
- 241000132092 Aster Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种岛礁区水下空间结构精细刻画方法及系统,利用高精度的多波束地形数据结合全球海底地形数据中的岛礁区的水下斜坡地形数据,通过归一化各种数据,网格插值形成数据网格,然后融合多源数据网格,再进行网格的修正及评估,最终构建出岛礁区空间结构模型,利用多种来源的数据解决了部分岛礁区水深数据量不足的问题,在数据处理过程中利用多重步骤解决了不同格式数据结合效果较差的问题,提高了岛礁三维重建的精度,解决了岛礁区水下斜坡地形无法获取高精度数据以及多源数据无缝拼接的问题。
Description
技术领域
本发明涉及海洋测绘领域,特别是涉及一种基于多源数据融合的岛礁区水下空间结构精细刻画方法及系统。
背景技术
全球大洋水深数据具有多元性、复杂性。充分融合多源、多精度、多时间的水深数据,构建水下地形模型,是众多学者所关注的问题。目前主要的研究是利用单波束、多波束、海图、全球海底地形数据等数据,使用张力样条、克里金插值等算法绘制水下地形图。岛礁的地形信息对于航行安全、岛礁开发和利用具有不可或缺的意义。
然而,高精度的水深数据获取需要耗费大量的人力、物力,有时还会因领土争端、地形复杂、海况恶劣等因素,造成出现数据空白区。尤其是很多岛礁区都具有水下斜坡这一地形特征,此区域坡度较大,地势陡峭,对于行船安全具有较强威胁性,船只往往在斜坡根部停止测量,无法获取水下斜坡区域的高精度测量数据,因此需与低精度的水深数据进行融合。现有的多源水深数据融合研究大多融合结果的分辨率较低,且无法保证数据低密度区的精度。
因此,本领域亟需一种融合多种来源的数据的刻画岛礁区空间结构的技术方案。
发明内容
本发明的目的是提供一种岛礁区水下空间结构精细刻画方法及系统,解决了岛礁区水下斜坡地形无法获取高精度数据以及多源数据无缝拼接的问题。
为实现上述目的,本发明提供了如下方案:
一种岛礁区水下空间结构精细刻画方法,所述方法包括:
获取岛礁区的多波束地形数据;
利用全球海底地形数据获取所述岛礁区的水下斜坡地形数据;
将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和同一投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集;
利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格;
计算所述基础网格和所述多波束网格的差值,并利用反距离加权法形成差值网格;
将所述差值网格与所述多波束网格进行叠加融合,得到第一融合数据网格;
裁剪所述第一融合数据网格,仅保留所述第一融合数据网格中水下斜坡区域的数据;
裁剪掉所述多波束网格中的水下斜坡区域的数据,得到其他区域多波束数据;
将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格;
利用所述第二融合数据网格构建岛礁区空间结构模型。
可选的,所述获取岛礁区的多波束地形数据,具体包括:
利用测量船使用多波束测量仪测量岛礁区的地形,得到岛礁区的多波束地形数据;
对所述多波束地形数据进行预处理:在水平方向,结合电罗经、GPS和姿态传感器将所述多波束地形数据从船体平面坐标系转换至地理坐标系;在垂直方向,通过潮汐校正将所述多波束地形数据转化到深度基准面上。
可选的,在所述获取岛礁区的多波束地形数据之后,还包括:
通过交互式滤波删除所述多波束地形数据的异常数据点并导出各数据点的经纬度和高程信息。
可选的,在所述将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和同一投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集之后,还包括:
计算所述归一化数据集中某个z(x,y)窗口范围内m个点的深度中值,zmed=median{zi(x,y)},i=1,2,...,m,其中,zmed为窗口内所有点的深度中值,(x,y)表示经纬度坐标,i表示第i个点,zi(x,y)为检测窗口内各个点的初始深度值;
比较窗口内每个点的初始深度值与所述深度中值,以2σ或者3σ为粗差判断准则,判断测深点中包含的异常点:如果满足:其中,/> 为均方根误差,则认为该点为异常点,并以所述深度中值替代所述初始深度值。
可选的,所述利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格,具体包括:
利用反距离加权法将所述归一化数据集进行网格插值,形成9″×9″的粗略网格;
对所述粗略网格进行重采样,形成3″×3″的基础网格;
利用反距离加权法将所述归一化多波束地形数据进行网格插值,形成3″×3″的多波束网格。
可选的,将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格,具体包括:
将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,使用局部多项式法插值形成网格数据,网格间距为3″。
可选的,在将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格之后,还包括:
利用无人机遥感数据以及卫星遥感数据结合地形特征,通过三维地形浏览寻找所述第二融合数据网格中的异常点;
对所述异常点进行剔除或者改正。
可选的,在将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格,还包括:
使用Monte Carlo方法,通过估计网格的深度标准差判断插值精度。
可选的,利用所述第二融合数据网格构建岛礁区空间结构模型,具体包括:
在所述第二融合数据网格中,利用电子海图数据绘制出0米等深线;
将所述第二融合数据网格中0米等深线及其包围的数据剔除,并用全球数字高程数据中的相关数据代替,得到岛礁区空间结构模型。
一种岛礁区水下空间结构精细刻画系统,所述系统包括:
多波束数据获取单元,用于获取岛礁区的多波束地形数据;
水下斜坡数据获取单元,用于利用全球海底地形数据获取所述岛礁区的水下斜坡地形数据;
数据归一化单元,用于将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集;
网格插值单元,用于利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格;
差值网格计算单元,用于计算所述基础网格和所述多波束网格的差值,并利用反距离加权法形成差值网格;
第一融合单元,用于将所述差值网格与所述多波束网格进行叠加融合,得到第一融合数据网格;
第一数据裁剪单元,用于裁剪所述第一融合数据网格,仅保留所述第一融合数据网格中水下斜坡区域的数据;
第二数据裁剪单元,用于裁剪掉所述多波束网格中的水下斜坡区域的数据,得到其他区域多波束数据;
第二融合单元,用于将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格;
空间结构构建单元,用于利用所述第二融合数据网格构建岛礁区空间结构模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明实施例提供的基于多源数据融合的岛礁区水下空间结构精细刻画方法及系统,利用高精度的多波束地形数据结合全球海底地形数据中的岛礁区的水下斜坡地形数据,通过归一化各种数据,网格插值形成数据网格,然后融合多源数据网格,再进行网格的修正及评估,最终构建出岛礁区空间结构模型,利用多种来源的数据解决了部分岛礁区水深数据量不足的问题,在数据处理过程中利用多重步骤解决了不同格式数据结合效果较差的问题,提高了岛礁三维重建的精度,解决了岛礁区水下斜坡地形无法获取高精度数据以及多源数据无缝拼接的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的岛礁区水下空间结构精细刻画方法的流程图。
图2为本发明实施例一提供的岛礁区水下空间结构精细刻画系统的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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,都属于本发明保护的范围。
高精度的水深数据获取需要耗费大量的人力、物力,有时还会因领土争端、地形复杂、海况恶劣等因素,造成出现数据空白区。尤其是在岛礁区,很多都具有水下斜坡这一地形特征,此区域坡度较大,地势陡峭,对于行船安全具有较强威胁性,船只往往在斜坡根部停止测量,无法获取水下斜坡区域的高精度测量数据,因此需与低精度的水深数据进行融合。现有的多源水深数据融合研究大多融合结果的分辨率较低,且无法保证数据低密度区的精度。对于岛礁地区,更存在由于水下斜坡地形陡变造成的与其他区域的接边缝隙,绘制完整美观的岛礁区整体空间结构存在一定困难。
本发明的目的是提供一种岛礁区水下空间结构精细刻画方法及系统,解决了岛礁区水下斜坡地形无法获取高精度数据以及多源数据无缝拼接的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一:
如图1所示,本实施例提供了一种岛礁区水下空间结构精细刻画方法,
需要特别说明的是,在本发明实施例中,岛礁区水下地形数据主要来源如下:
(1)多波束地形测深数据:多波束测量仪能够实现海底全覆盖扫测,获得几倍于水深的覆盖范围,其以一定的角度倾斜向海底发射声波脉冲,接收海底反向散射回波,从回波中提取所需要的海底地形图像信息。多波束测深数据精度较高,因此作为水下地形的主要数据。
(2)电子海图数据:官方电子海图是指国家海道测量机构按国际海道测量组织颁布的《数字式海道测量数据传输标准》(编号S-57)制作的矢量电子海图,亦为获取水深信息的重要来源之一。但是海图的数值相对准确,因此可以作为有效的补充数据。
(3)全球海底地形数据:全球海底地形数据(The General Bathymetric Chartofthe Oceans,GEBCO)是由国际海道组织和政府间海洋委员会联合发布的覆盖全球的大洋海底地形数据,其包括15秒、半分、一分间隔的网格化数据。本发明采用2020年最新发行的GEBCO-2020网格数据,其网格间隔为15秒。在全球范围内,GEBCO-2020数据在不同区域覆盖的数据来源不同。
(4)全球数字高程数据:现有主流的全球数字高程数据包括ASTER GDEM和SRTM数据。ASTER GDEM数据是由美国航空航天局NASA的对地观测卫星TERRA测绘所得,是目前覆盖最广的高精度全球高程数据,其v2版本进一步提高了分辨率,增加了数据覆盖范围。SRTM数据由NASA在2000年时利用奋进号航天飞机上的雷达观测所得,其覆盖了全球南北纬60度以内的区域。本发明优先使用ASTER GDEM v2的30m分辨率数据,若此数据未覆盖研究区则选择SRTM 90m数据。
(5)无人机遥感数据以及卫星遥感数据:遥感数据具有大范围、费用低、数据采集方便等特点。遥感影像可以反映岛礁的地形地貌特征,作为水下地形构建的辅助手段。使用无人机可获取相较卫星更高精度和清晰度的影像数据,但探测范围相对较小,且无法进入一些争端区域进行探测。对于大范围尤其是不易不宜到达的区域,则使用卫星遥感影像进行研究。
该方法的具体步骤包括:
S1、获取岛礁区的多波束地形数据;
首先是数据的选择过程,根据不同的水深和地形实际情况,选择每一部分的主导数据。其具体步骤如下:
利用测量船使用多波束测量仪测量岛礁区的地形,得到岛礁区的多波束地形数据;在浅水区和深水区,均使用多波束地形测深数据。使用中小型测量船在浅水区获取高精度数据,使用大型测量船获取200米以深的水下地形信息,中小型测量船和大型测量船得到的数据集合在一起,即为多波束地形数据。然而岛礁区存在较为特殊的地理特征——水下斜坡。此区域坡度较大,地势陡峭,对于行船安全具有较强威胁性,船只往往在斜坡根部停止测量,无法获取水下斜坡区域的多波束地形数据。因此本实施例在水下斜坡区域选择GEBCO_2020作为主导数据。
S2、利用全球海底地形数据获取所述岛礁区的水下斜坡地形数据;本实施例中的全球海底地形数据采用2020年最新发行的GEBCO-2020网格数据。
作为一种可选的实施方式,为了保证数据的准确性,还可以选择海图数据作为全部研究区的补充数据。
然后进行数据预处理过程,首先,对所述多波束地形数据进行预处理:在水平方向,结合电罗经、GPS和姿态传感器将所述多波束地形数据从船体平面坐标系转换至地理坐标系;在垂直方向,通过潮汐校正将所述多波束地形数据转化到深度基准面上。潮位可根据验潮站潮位观测序列直接改正。设水深测量结果为D,其值为相对值,随着潮位的变化而变化;测量水域的潮位为T,则多波束海底投射点对应的水深Z为:Z=T-D。
另外,如果选用了海图数据,则需要对其进行潮汐校正,为更精准的获取水深,需要对水深点进行潮汐校正。受潮汐作用,水体在垂直方向上会发生规律性的潮水涨落运动,用于反演水深的是影像获取时刻的瞬时水深,而实测水深(海图水深)多以理论深度基准面为深度起算面,与潮汐表潮高基准面一致,因此某一时刻的瞬时水深等于实测水深加上该时刻的潮高。
为了保证数据的精度,在数据预处理过程结束以后还需要剔除异常数据。
通过交互式滤波删除所述多波束地形数据的异常数据点并导出各数据点的经纬度和高程信息。
多波束地形数据多由行船测量作业获取,在水下斜坡和深水区的交界处采集数据时,由于此处地形陡变,再结合仪器本身的误差、海况变化、航线变化等因素,会造成探测精度不准确,因此深水多波束数据在此区域存在一圈明显的异常值。通过交互式滤波删除异常数据点,并从剩余的正确点文件中导出点的经纬度和高程信息,导出格式为ASCII XYZ。浅水多波束数据的异常值处理方法和深水区相同。
S3、将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和同一投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集;需要考虑的是,归一化数据集根据需要可能还包括上述的海图数据。
将选择的多种数据投影到同一地理坐标系和投影坐标系中,并统一为格式一致的ASCII XYZ文件,其各字段分别代表经度、纬度、高程值,实现多源数据的归一化。
作为一种可选的实施方式,本实施中实现多源数据的归一化之后,还可具有多源数据精度评估及误差校正过程:
以多波束地形数据为基准,将其他多源数据分别和多波束地形数据计算平均差值:
其中,δ是水深的平均差值,n是水深数据点的数量,Dmb和Dms分别是多波束地形数据和其他多源数据的测深值,均为负值。
根据“GB12327-1998”海道测量规范,若平均差值小于水深值的2%,则符合规范不需处理;反之,则需要以多波束地形数据为基准进行最小二乘法平差处理,其原理是摄影测量学中的航带法平差。
平差过程如下:
误差效应:Δz=a0+a1x+a2y+a3xy+a4x2+a5y2,
其中,Δz为误差,(x,y)为水深点经纬度坐标,ai(i=0,2,…5)是待定系数。如果有n个水深点,则误差公式为:
V=AX-L
其中,
V=[-v1 -v2 -v3 -v4 -v5 -v6]
X=[a0 a1 a2 a3 a4 a5]T
L=[l1 l2 … ln]T
vi(i=1,2,…n)是改正数,ln=Zmbn-Zmsn,Zmbn和Zmsn分别代表每个水深点处的多波束地形数据和其他多源数据的原始水深值。通过法方程ATAX=ATL,可以计算ai。然后把ai代入误差效应方程中,即可得到Δz,又有Zms改=Zms+Δz,其中Zms改为改正后的水深值。
为保证之后每个插值网格中只含一个点Δz,并过滤掉网格中的异常值,实现网格的平滑,需要对测深数据进行块中值滤波。
以z为深度值,首先计算所述归一化数据集中某个z(x,y)窗口范围内m个点的深度中值,zmed=median{zi(x,y)},i=1,2,...,m,其中,zmed为窗口内所有点的深度中值,(x,y)表示经纬度坐标,i表示第i个点,zi(x,y)为检测窗口内各个点的初始深度值;
比较窗口内每个点的初始深度值与所述深度中值,以2σ或者3σ为粗差判断准则,判断测深点中包含的异常点:如果满足:其中,/> 为均方根误差,则认为该点为异常点,并以所述深度中值替代所述初始深度值。
值得说明的是,此处是分别对归一化多波束地形数据和归一化数据集进行中值滤波。
S4、利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格;
具体的,利用反距离加权法将所述归一化数据集进行网格插值,形成9″×9″的粗略网格;对所述粗略网格进行重采样,形成3″×3″的基础网格;
利用反距离加权法将所述归一化多波束地形数据进行网格插值,形成3″×3″的多波束网格。
S5、计算所述基础网格和所述多波束网格的差值,并利用反距离加权法形成差值网格;
具体的,计算两网格差值:计算3″×3″的多波束网格和3″×3″基础网格的差值,形成ASCII XYZ格式的差值文件。差值数据使用反距离加权法,形成差值网格,其网格间距为3″。
S6、将所述差值网格与所述多波束网格进行叠加融合,得到第一融合数据网格,提取出ASCII XYZ格式的数据文件。
S7、裁剪所述第一融合数据网格,仅保留所述第一融合数据网格中水下斜坡区域的数据;
S8、裁剪掉所述多波束网格中的水下斜坡区域的数据,得到其他区域多波束数据;
S9、将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格;
具体的,将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,使用局部多项式法插值形成网格数据,网格间距为3″。局部多项式法弥补了多项式整体插值的缺点,对插值对象的一定邻域内所有点进行插值,得到适当的给定阶数的多项式,形成合适的网格曲面。本实施例设置权重参数为2,多项式的阶数为3阶。这样既可以保证多波束数据的分辨率不降低,同时尽可能对不同数据的衔接处进行平滑处理,减少毛刺和缝隙。通过以上步骤,得到初步的岛礁区空间结构模型。
利用无人机遥感数据以及卫星遥感数据结合地形特征,通过三维地形浏览寻找所述第二融合数据网格中的异常点;对所述异常点进行剔除或者改正。
通过叠加显示高分辨率遥感影像数据,结合地形特征,通过三维地形浏览以及调整角度、光照等数值,寻找网格的异常点,通过对异常点的定位,进行对应源数据的替换、剔除等操作,然后重复以上步骤重新生成网格,达到对明显的异常值进行剔除和改正的目的
然后使用Monte Carlo方法,通过估计网格的深度标准差判断插值精度。
Monte Carlo法可应用于插值结果误差估计,其误差估计来自于伪随机生成的网格上逐点计算的样本统计值。蒙特卡洛方法利用伪随机数生成一组感兴趣变量(水深网格表面)的模拟,其统计期望是对感兴趣变量(网格节点对应深度的第二中心矩或方差)在某个数值误差范围内积分的估计值。通过计算模拟网格各个点的期望和标准差,并重复多次模拟试验,计算每个估计网格点标准差的可变性,进而评估第二融合数据网格的精度。若精度达标,则生成的网格有效。
S10、利用所述第二融合数据网格构建岛礁区空间结构模型:
在所述第二融合数据网格中,利用电子海图数据绘制出0米等深线;
将所述第二融合数据网格中0米等深线及其包围的数据剔除,并用全球数字高程数据中的相关数据代替,得到岛礁区空间结构模型。
具体的:在0米等深线及高于0米的区域,无法使用多波束设备采集数据,而已有的多波束数据往往包含0米以上的数值,这些数据可能是插值出的虚假数据,因此需要剔除。对于修正后的第二融合数据网格,使用电子海图绘制出0米等深线,将0米等深线及其包围的数据剔除,用全球数字高程数据替换其中的数据,最终构建出岛礁区空间结构模型。
如图2所示,本发明实施例还提供了一种岛礁区水下空间结构精细刻画系统,所述系统包括:
多波束数据获取单元M1,用于获取岛礁区的多波束地形数据;
水下斜坡数据获取单元M2,用于利用全球海底地形数据获取所述岛礁区的水下斜坡地形数据;
数据归一化单元M3,用于将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和同一投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集;
网格插值单元M4,用于利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格;
差值网格计算单元M5,用于计算所述基础网格和所述多波束网格的差值,并利用反距离加权法形成差值网格;
第一融合单元M6,用于将所述差值网格与所述多波束网格进行叠加融合,得到第一融合数据网格;
第一数据裁剪单元M7,用于裁剪所述第一融合数据网格,仅保留所述第一融合数据网格中水下斜坡区域的数据;
第二数据裁剪单元M8,用于裁剪掉所述多波束网格中的水下斜坡区域的数据,得到其他区域多波束数据;
第二融合单元M9,用于将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格;
空间结构构建单元M10,用于利用所述第二融合数据网格构建岛礁区空间结构模型。
本实施例提供的基于多源数据融合的岛礁区水下空间结构精细刻画方法及系统,利用高精度的多波束地形数据结合全球海底地形数据中的岛礁区的水下斜坡地形数据,通过归一化各种数据,网格插值形成数据网格,然后融合多源数据网格,再进行网格的修正及评估,最终构建出岛礁区空间结构模型,利用多种来源的数据解决了部分岛礁区水深数据量不足的问题,在数据处理过程中利用多重步骤解决了不同格式数据结合效果较差的问题,提高了岛礁三维重建的精度,解决了岛礁区水下斜坡地形无法获取高精度数据以及多源数据无缝拼接的问题。
对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种岛礁区水下空间结构精细刻画方法,其特征在于,所述方法包括:
获取岛礁区的多波束地形数据;
利用全球海底地形数据获取所述岛礁区的水下斜坡地形数据;
将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和同一投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集;
利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格;
计算所述基础网格和所述多波束网格的差值,并利用反距离加权法形成差值网格;
将所述差值网格与所述多波束网格进行叠加融合,得到第一融合数据网格;
裁剪所述第一融合数据网格,仅保留所述第一融合数据网格中水下斜坡区域的数据;
裁剪掉所述多波束网格中的水下斜坡区域的数据,得到其他区域多波束数据;
将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格;
利用所述第二融合数据网格构建岛礁区空间结构模型。
2.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,所述获取岛礁区的多波束地形数据,具体包括:
利用测量船使用多波束测量仪测量岛礁区的地形,得到岛礁区的多波束地形数据;
对所述多波束地形数据进行预处理:在水平方向,结合电罗经、GPS和姿态传感器将所述多波束地形数据从船体平面坐标系转换至地理坐标系;在垂直方向,通过潮汐校正将所述多波束地形数据转化到深度基准面上。
3.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,在所述获取岛礁区的多波束地形数据之后,还包括:
通过交互式滤波删除所述多波束地形数据的异常数据点并导出各数据点的经纬度和高程信息。
4.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,在所述将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和同一投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集之后,还包括:
计算所述归一化数据集中某个z(x,y)窗口范围内m个点的深度中值,zmed=median{zi(x,y)},i=1,2,...,m,其中,zmed为窗口内所有点的深度中值,(x,y)表示经纬度坐标,i表示第i个点,zi(x,y)为检测窗口内各个点的初始深度值;
比较窗口内每个点的初始深度值与所述深度中值,以2σ或者3σ为粗差判断准则,判断测深点中包含的异常点:如果满足:其中,/> 为均方根误差,则认为该点为异常点,并以所述深度中值替代所述初始深度值。
5.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,所述利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格,具体包括:
利用反距离加权法将所述归一化数据集进行网格插值,形成9″×9″的粗略网格;
对所述粗略网格进行重采样,形成3″×3″的基础网格;
利用反距离加权法将所述归一化多波束地形数据进行网格插值,形成3″×3″的多波束网格。
6.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,所述将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格,具体包括:
将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,使用局部多项式法插值形成网格数据,网格间距为3″。
7.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,在将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格之后,还包括:
利用无人机遥感数据以及卫星遥感数据结合地形特征,通过三维地形浏览寻找所述第二融合数据网格中的异常点;
对所述异常点进行剔除或者改正。
8.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,在将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格,还包括:
使用Monte Carlo方法,通过估计网格的深度标准差判断插值精度。
9.根据权利要求1所述的岛礁区水下空间结构精细刻画方法,其特征在于,所述利用所述第二融合数据网格构建岛礁区空间结构模型,具体包括:
在所述第二融合数据网格中,利用电子海图数据绘制出0米等深线;
将所述第二融合数据网格中0米等深线及其包围的数据剔除,并用全球数字高程数据中的相关数据代替,得到岛礁区空间结构模型。
10.一种岛礁区水下空间结构精细刻画系统,其特征在于,所述系统包括:
多波束数据获取单元,用于获取岛礁区的多波束地形数据;
水下斜坡数据获取单元,用于利用全球海底地形数据获取所述岛礁区的水下斜坡地形数据;
数据归一化单元,用于将所述多波束地形数据和所述水下斜坡地形数据投影到同一地理坐标系和同一投影坐标系,得到归一化多波束地形数据和归一化水下斜坡地形数据,构成归一化数据集;
网格插值单元,用于利用反距离加权法将所述归一化数据集和所述归一化多波束地形数据分别进行网格插值,得到基础网格和多波束网格;
差值网格计算单元,用于计算所述基础网格和所述多波束网格的差值,并利用反距离加权法形成差值网格;
第一融合单元,用于将所述差值网格与所述多波束网格进行叠加融合,得到第一融合数据网格;
第一数据裁剪单元,用于裁剪所述第一融合数据网格,仅保留所述第一融合数据网格中水下斜坡区域的数据;
第二数据裁剪单元,用于裁剪掉所述多波束网格中的水下斜坡区域的数据,得到其他区域多波束数据;
第二融合单元,用于将所述第一融合数据网格中水下斜坡区域的数据与所述其他区域多波束数据融合,得到第二融合数据网格;
空间结构构建单元,用于利用所述第二融合数据网格构建岛礁区空间结构模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190643.3A CN113945935B (zh) | 2021-10-13 | 2021-10-13 | 一种岛礁区水下空间结构精细刻画方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190643.3A CN113945935B (zh) | 2021-10-13 | 2021-10-13 | 一种岛礁区水下空间结构精细刻画方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113945935A CN113945935A (zh) | 2022-01-18 |
CN113945935B true CN113945935B (zh) | 2024-06-14 |
Family
ID=79330237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111190643.3A Active CN113945935B (zh) | 2021-10-13 | 2021-10-13 | 一种岛礁区水下空间结构精细刻画方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113945935B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116088542B (zh) * | 2023-04-12 | 2023-08-18 | 中国水产科学研究院南海水产研究所 | 一种基于遥感技术的渔船作业安全预警方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599129A (zh) * | 2016-12-02 | 2017-04-26 | 山东科技大学 | 一种顾及地形特点的多波束点云数据去噪方法 |
US9846232B1 (en) * | 2012-01-05 | 2017-12-19 | Teledyne Reson A/S | Use of multi-beam sonar systems to generate point cloud data and models; data registration in underwater metrology applications |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344954B (zh) * | 2013-07-08 | 2014-07-02 | 国家海洋局第二海洋研究所 | 一种基于多来源水深数据融合的海底地形地貌构建方法 |
-
2021
- 2021-10-13 CN CN202111190643.3A patent/CN113945935B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9846232B1 (en) * | 2012-01-05 | 2017-12-19 | Teledyne Reson A/S | Use of multi-beam sonar systems to generate point cloud data and models; data registration in underwater metrology applications |
CN106599129A (zh) * | 2016-12-02 | 2017-04-26 | 山东科技大学 | 一种顾及地形特点的多波束点云数据去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113945935A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101770027B (zh) | 基于InSAR与GPS数据融合的地表三维形变监测方法 | |
JP4012233B1 (ja) | 水底三次元画像作成システムおよび水底三次元画像作成方法 | |
White et al. | Lidar-derived national shoreline: empirical and stochastic uncertainty analyses | |
CN110866973B (zh) | 空天库岸一体化应急勘测数据融合及集成显示系统及方法 | |
CN112729130A (zh) | 卫星遥感测量树木冠层高度的方法 | |
CN113945935B (zh) | 一种岛礁区水下空间结构精细刻画方法及系统 | |
Chrysoulakis et al. | Validation of ASTER GDEM for the Area of Greece | |
Fan et al. | A new Greenland digital elevation model derived from ICESat-2 during 2018–2019 | |
CN117496103A (zh) | 一种融合无人机倾斜摄影点云与地形图高程信息的多山地形区域dem生产的技术方法 | |
CN113960625B (zh) | 一种基于星载单光子激光主被动遥感融合的水深反演方法 | |
Liu et al. | Construction of high-resolution bathymetric dataset for the Mariana Trench | |
Vrdoljak | Comparison and analysis of publicly available bathymetry models in the East Adriatic Sea | |
White | Utilization of LIDAR and NOAA's vertical datum transformation tool (VDatum) for shoreline delineation | |
Myers et al. | VDatum and strategies for national coverage | |
Shiramizu et al. | Generation of a high-accuracy regional DEM based on ALOS/PRISM imagery of East Antarctica | |
Woolard et al. | Shoreline mapping from airborne lidar in Shilshole Bay, Washington | |
Yun et al. | Monitoring of shoreline change at Chollipo Beach in South Korea | |
Wong et al. | Assessing 155 years of hydrographic survey data for high resolution bathymetry grids | |
CN112652064B (zh) | 海陆一体三维模型构建方法、装置、存储介质和电子设备 | |
Merry | Evaluation of global geopotential models in determining the quasi-geoid for Southern Africa | |
Gunnlaugsson | The geodetic mass balance and ice thickness of Tungnafellsjökull ice cap | |
KR20140062820A (ko) | 항공사진을 이용한 섬의 해안선 제작방법 | |
Fan et al. | A new Greenland digital elevation model derived from ICESat-2 | |
Seyfried et al. | Topo-bathymetric and oceanographic datasets for coastal flooding risk assessment: French Flooding Prevention Action Program of Saint-Malo | |
Parker et al. | A Tampa Bay bathymetric/topographic digital elevation model with internally consistent shorelines for various datums |
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 |