CN114111628A - 一种水下目标激光点云数据三维重建算法 - Google Patents
一种水下目标激光点云数据三维重建算法 Download PDFInfo
- Publication number
- CN114111628A CN114111628A CN202111512079.2A CN202111512079A CN114111628A CN 114111628 A CN114111628 A CN 114111628A CN 202111512079 A CN202111512079 A CN 202111512079A CN 114111628 A CN114111628 A CN 114111628A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- points
- cloud data
- coordinate system
- water body
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 23
- 239000011521 glass Substances 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 9
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种水下目标激光点云数据三维重建算法，按照以下步骤实施：步骤1：阈值分割，水体的后向散射对三维点云数据获取的影响十分严重，其后向散射噪声主要集中于距激光雷达较近的位置，且与目标像有一个较为清晰的区分，采用阈值分割对其数据进行预处理；步骤2：折射修正,由于激光雷达入射光线在玻璃和水体交界面会发生折射现象，从而影响探测精度，使探测到的点云数据球形化，因此要予以修正，步骤3：点云去噪,首先求得所有点到其邻点的平均距离，确定有效点。使用本发明进行点云重建过程中各步骤的点云数据，重建后水下滑翔机的点云图像特征清晰地显示了水下滑翔机模型的三维形状。
Description
技术领域
本发明属于海洋激光探测技术技术领域，具体涉及一种水下目标激光点云数据三维重建算法。
背景技术
海洋约占地球总面积的71％，目前针对水下探测主要利用的仍是水声探测技术，其有分辨率低、目标边缘模糊、形状畸变等问题，往往难以有效识别目标，无法满足油气管道(dm量级)、水下电缆(cm量级)、水下渔网避障(mm量级)、失事轮船飞机和水下文物等识别应用需求。而水下光学探测系统的高光学频率能提高探测的目标分辨率，并实现实时成像，能够完美的弥补声呐探测技术的不足。
激光在水下环境中具有较强的后向散射，影响水下光学探测系统的工作精度，使得设备探测到的点云数据包含较多的噪声点，无法有效识别目标以及对目标点云进行后续特征提取及配准处理。因此，研究水下目标三维点云重建变得极为重要，其结果对相关设备的设计研发具有重要意义。
发明内容
本发明采用阈值分割、折射修正和噪声滤除算法对实验所得到的原始点云数据进行处理，得到只包含目标物的三维点云图像。
为实现上述目的，本发明提供如下技术方案：一种水下目标激光点云数据三维重建算法，按照以下步骤实施：
步骤1：阈值分割,水体的后向散射对三维点云数据获取的影响十分严重，其后向散射噪声主要集中于距激光雷达较近的位置，且与目标像有一个较为清晰的区分，采用阈值分割对其数据进行预处理；
步骤2：折射修正,由于激光雷达入射光线先后通过玻璃和水体这组分层介质，近红外光在超白玻璃中的折射率为1.5229，水体的折射率为1.34，因此在玻璃和水体交界面会发生折射现象，从而影响探测精度，使探测到的点云数据球形化，因此要予以修正；
步骤3：点云去噪,首先求得所有点到其邻点的平均距离，确定有效点。
优选的，步骤1具体按照以下步骤实施：
步骤1.1：选取点云坐标中x-y平面里的中心点为基准，根据目标物尺寸设定阈值，判断其他点云坐标是否小于该阈值，小于的点保存，大于的点删除。
优选的，步骤2具体按照以下步骤实施：
步骤2.1：将点云数据球转换为笛卡尔坐标系，将笛卡尔坐标系中的(xe,ye,ze)点云坐标转换至
球坐标系中，根据折射原理，修正球坐标系中的参数θe，将修正后的球坐标点再转换回笛卡尔坐标系中显示；
已知笛卡尔坐标点为(xe,ye,ze)，笛卡尔坐标转换至球坐标系
中有：
式(1)中，θe为入射角，θr为透射角，参数re由rg和rw两部分组成，re＝rg+rw，rg为玻璃中的光程，rw为水体中的光程，根据斯涅尔定律Snell折射定律，
式(2)中，设ng为玻璃的折射率、nw为水体折射率，rg的大小可由rg＝d/cosθe求得，需要修正的仅为水体中的光程；因此将球坐标系中的
和
转换至笛卡尔坐标系中，即：
修正后的真实坐标为：
(xr,yr,zr)＝(xg,yg,zg)+(xw,yw,zw) (4)
优选的，步骤3具体按照以下步骤实施：
步骤3.1：在点云去噪过程中，首先求得所有点到其邻点的平均距离，根据所得平均距离的值设置滤波阈值，当所求点的邻点均值小于所设置的滤波阈值时，该点为有效点，否则为噪声点，将噪声点删除。
与现有技术相比，本发明的有益效果如下：
(1)本发明在获取了水下目标物的原始点云数据的基础上，根据原始点云数据的特征先后进行阈值分割、折射修正和点云滤波重建水下目标物的三维点云，最终得到只包含目标物特征的三维点云数据。该算法应用于水下目标三维点云重建，对水下目标探测有重要的启发，同时对研发小型水下无人滑翔机的避障和探测模块提供数据处理层面上的参考；
(2)使用本发明进行点云重建过程中各步骤的点云数据，重建后水下滑翔机的点云图像特征清晰地显示了水下滑翔机模型的三维形状。
附图说明
图1是本发明的点云数据三维重建算法流程图；
图2是本发明的激光雷达光路图；
图3是本发明点云重建算法各步骤数据(a)原始点云数据；(b)阈值分割后的数据；(c)折射修正后的数据；(d)点云滤波后的数据。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。
请参阅图1-3，本发明提供一种技术方案：一种水下目标激光点云数据三维重建算法，按照以下步骤实施：
步骤1：阈值分割,水体的后向散射对三维点云数据获取的影响十分严重，其后向散射噪声主要集中于距激光雷达较近的位置，且与目标像有一个较为清晰的区分，采用阈值分割对其数据进行预处理；
步骤2：折射修正,由于激光雷达入射光线先后通过玻璃和水体这组分层介质，近红外光在超白玻璃中的折射率为1.5229，水体的折射率为1.34，因此在玻璃和水体交界面会发生折射现象，从而影响探测精度，使探测到的点云数据球形化，因此要予以修正；
步骤3：点云去噪,首先求得所有点到其邻点的平均距离，确定有效点。
进一步地，步骤1具体按照以下步骤实施：
步骤1.1：选取点云坐标中x-y平面里的中心点为基准，根据目标物尺寸设定阈值，判断其他点云坐标是否小于该阈值，小于的点保存，大于的点删除。
进一步地，步骤2具体按照以下步骤实施：
步骤2.1：将点云数据球转换为笛卡尔坐标系，将笛卡尔坐标系中的(xe,ye,ze)点云坐标转换至
球坐标系中，根据折射原理，修正球坐标系中的参数θe，将修正后的球坐标点再转换回笛卡尔坐标系中显示；
已知笛卡尔坐标点为(xe,ye,ze)，笛卡尔坐标转换至球坐标系
中有：
式(1)中，θe为入射角，θr为透射角，参数re由rg和rw两部分组成，re＝rg+rw，rg为玻璃中的光程，rw为水体中的光程，根据斯涅尔定律Snell折射定律，
式(2)中，设ng为玻璃的折射率、nw为水体折射率，rg的大小可由rg＝d/cosθe求得，需要修正的仅为水体中的光程；因此将球坐标系中的
和
转换至笛卡尔坐标系中，即：
修正后的真实坐标为：
(xr,yr,zr)＝(xg,yg,zg)+(xw,yw,zw) (4)
进一步地，步骤3具体按照以下步骤实施：
步骤3.1：在点云去噪过程中，首先求得所有点到其邻点的平均距离，根据所得平均距离的值设置滤波阈值，当所求点的邻点均值小于所设置的滤波阈值时，该点为有效点，否则为噪声点，将噪声点删除。
使用该算法进行点云重建过程中各步骤的点云数据如图3所示。重建后水下滑翔机的点云图像特征清晰地显示了水下滑翔机模型的三维形状。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种水下目标激光点云数据三维重建算法，其特征在于，按照以下步骤实施：
步骤1：阈值分割,水体的后向散射对三维点云数据获取的影响十分严重，其后向散射噪声主要集中于距激光雷达较近的位置，且与目标像有一个较为清晰的区分，采用阈值分割对其数据进行预处理；
步骤2：折射修正,由于激光雷达入射光线先后通过玻璃和水体这组分层介质，近红外光在超白玻璃中的折射率为1.5229，水体的折射率为1.34，因此在玻璃和水体交界面会发生折射现象，从而影响探测精度，使探测到的点云数据球形化，因此要予以修正；
步骤3：点云去噪,首先求得所有点到其邻点的平均距离，确定有效点。
2.根据权利要求1所述的一种水下目标激光点云数据三维重建算法，其特征在于，步骤1具体按照以下步骤实施：
步骤1.1：选取点云坐标中x-y平面里的中心点为基准，根据目标物尺寸设定阈值，判断其他点云坐标是否小于该阈值，小于的点保存，大于的点删除。
3.根据权利要求1所述的一种水下目标激光点云数据三维重建算法，其特征在于，步骤2具体按照以下步骤实施：
步骤2.1：将点云数据球转换为笛卡尔坐标系，将笛卡尔坐标系中的(xe,ye,ze)点云坐标转换至
球坐标系中，根据折射原理，修正球坐标系中的参数θe，将修正后的球坐标点再转换回笛卡尔坐标系中显示；
已知笛卡尔坐标点为(xe,ye,ze)，笛卡尔坐标转换至球坐标系
中有：
式(1)中，θe为入射角，θr为透射角，参数re由rg和rw两部分组成，re＝rg+rw，rg为玻璃中的光程，rw为水体中的光程，根据斯涅尔定律Snell折射定律，
式(2)中，设ng为玻璃的折射率、nw为水体折射率，rg的大小可由rg＝d/cosθe求得，需要修正的仅为水体中的光程；因此将球坐标系中的
和
转换至笛卡尔坐标系中，即：
修正后的真实坐标为：
(xr,yr,zr)＝(xg,yg,zg)+(xw,yw,zw) (4)。
4.根据权利要求1所述的一种水下目标激光点云数据三维重建算法，其特征在于，步骤3具体按照以下步骤实施：
步骤3.1：在点云去噪过程中，首先求得所有点到其邻点的平均距离，根据所得平均距离的值设置滤波阈值，当所求点的邻点均值小于所设置的滤波阈值时，该点为有效点，否则为噪声点，将噪声点删除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111512079.2A CN114111628A (zh) | 2021-12-07 | 2021-12-07 | 一种水下目标激光点云数据三维重建算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111512079.2A CN114111628A (zh) | 2021-12-07 | 2021-12-07 | 一种水下目标激光点云数据三维重建算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114111628A true CN114111628A (zh) | 2022-03-01 |
Family
ID=80364198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111512079.2A Pending CN114111628A (zh) | 2021-12-07 | 2021-12-07 | 一种水下目标激光点云数据三维重建算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114111628A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114612626A (zh) * | 2022-03-10 | 2022-06-10 | 四川农业大学 | 一种水下地形的获取方法和系统 |
| CN117407636A (zh) * | 2023-12-13 | 2024-01-16 | 深圳大学 | 一种水下成像折射率动态修正方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106643671A (zh) * | 2016-12-01 | 2017-05-10 | 江苏省测绘工程院 | 一种基于机载LiDAR测深系统的水下点云去噪方法 |
| CN109241901A (zh) * | 2018-08-30 | 2019-01-18 | 天津理工大学 | 一种对具有孔洞的三维点云的检测与识别方法 |
| KR20190139522A (ko) * | 2018-06-08 | 2019-12-18 | 포항공과대학교 산학협력단 | 초음파 영상데이터를 이용하여 수중 오브젝트의 3차원 형상을 구현하는 방법 및 수중로봇 |
| CN110763152A (zh) * | 2019-10-09 | 2020-02-07 | 哈尔滨工程大学 | 一种水下主动旋转结构光三维视觉测量装置及测量方法 |
| CN110969624A (zh) * | 2019-11-07 | 2020-04-07 | 哈尔滨工程大学 | 一种激光雷达三维点云分割方法 |
| GB202020689D0 (en) * | 2019-12-25 | 2021-02-10 | Univ Hohai | 3-D imaging apparatus and method for dynamically and finely detecting small underwater objects |
-
2021
- 2021-12-07 CN CN202111512079.2A patent/CN114111628A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106643671A (zh) * | 2016-12-01 | 2017-05-10 | 江苏省测绘工程院 | 一种基于机载LiDAR测深系统的水下点云去噪方法 |
| KR20190139522A (ko) * | 2018-06-08 | 2019-12-18 | 포항공과대학교 산학협력단 | 초음파 영상데이터를 이용하여 수중 오브젝트의 3차원 형상을 구현하는 방법 및 수중로봇 |
| CN109241901A (zh) * | 2018-08-30 | 2019-01-18 | 天津理工大学 | 一种对具有孔洞的三维点云的检测与识别方法 |
| CN110763152A (zh) * | 2019-10-09 | 2020-02-07 | 哈尔滨工程大学 | 一种水下主动旋转结构光三维视觉测量装置及测量方法 |
| CN110969624A (zh) * | 2019-11-07 | 2020-04-07 | 哈尔滨工程大学 | 一种激光雷达三维点云分割方法 |
| GB202020689D0 (en) * | 2019-12-25 | 2021-02-10 | Univ Hohai | 3-D imaging apparatus and method for dynamically and finely detecting small underwater objects |
Non-Patent Citations (1)
| Title |
|---|
| 谷鑫志等: "高分三号影像水体信息提取", 遥感学报, vol. 23, no. 03, 25 May 2019 (2019-05-25), pages 555 - 565 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114612626A (zh) * | 2022-03-10 | 2022-06-10 | 四川农业大学 | 一种水下地形的获取方法和系统 |
| CN117407636A (zh) * | 2023-12-13 | 2024-01-16 | 深圳大学 | 一种水下成像折射率动态修正方法 |
| CN117407636B (zh) * | 2023-12-13 | 2024-04-02 | 深圳大学 | 一种水下成像折射率动态修正方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114111628A (zh) | 一种水下目标激光点云数据三维重建算法 | |
| CN106530246B (zh) | 基于暗通道与非局部先验的图像去雾方法及系统 | |
| CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
| CN108444447A (zh) | 一种用于水下避障系统中的渔网实时自主检测方法 | |
| CN110246151B (zh) | 一种基于深度学习和单目视觉的水下机器人目标跟踪方法 | |
| CN111126335B (zh) | 一种结合显著性和神经网络的sar船只识别方法及系统 | |
| CN109886230A (zh) | 一种图像目标检测方法及装置 | |
| CN110675340A (zh) | 一种基于改进的非局部先验的单幅图像去雾方法及介质 | |
| CN112907520B (zh) | 基于端到端深度学习方法的单株树冠检测方法 | |
| CN109145734A (zh) | 基于4k平台的ipc智能人脸识别抓拍算法 | |
| CN113205563B (zh) | 一种自动驾驶传感器联合标定靶和标定方法 | |
| CN115187803B (zh) | 一种用于名优茶嫩芽采摘过程的定位方法 | |
| CN115147709B (zh) | 一种基于深度学习的水下目标三维重建方法 | |
| CN112561996A (zh) | 一种自主水下机器人回收对接中目标检测方法 | |
| CN116087982A (zh) | 一种融合视觉和雷达系统的海上落水人员识别及定位方法 | |
| CN115032648A (zh) | 一种基于激光雷达密集点云的三维目标识别与定位方法 | |
| CN116503567B (zh) | 基于ai大数据的智慧建模管理系统 | |
| CN209708175U (zh) | 一种水库大坝护坡表面损伤视觉检测仿生装置 | |
| CN113379710B (zh) | 一种水下目标声呐精准测量系统和方法 | |
| CN116862829A (zh) | 一种覆冰环境下架空线路弧垂监测方法及装置 | |
| CN114821239B (zh) | 一种有雾环境下的病虫害检测方法 | |
| CN103295226A (zh) | 一种基于mrf模型的非监督声纳图像分割方法 | |
| CN114463628A (zh) | 一种基于阈值约束的深度学习遥感影像船舰目标识别方法 | |
| Oliveira et al. | Probabilistic positioning of a mooring cable in sonar images for in-situ calibration of marine sensors | |
| CN115100408B (zh) | 一种海域场景有雾图像数据集的构建方法 |
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 |