CN116009058B - 一种基于多探头传感器数据的地下管道定位方法 - Google Patents

Abstract

本发明涉及基于多传感器融合的数据处理领域，提出了一种基于多探头传感器数据的地下管道定位方法，包括：获取多探头采集的原始声波信号数据并转化为二维矩阵；对矩阵元素分别从水平方向及竖直方向上，与相邻元素间的差异表现进行噪声程度判断，获取矩阵元素的第三噪声程度；根据矩阵元素的第三噪声程度获取对滤波窗口中不同滤波因子的权重值，根据滤波因子及权重值得到最终滤波核并滤波；根据多探头采集并滤波后的声波信号数据构建方柱图，通过相邻方柱之间的差异表现及方柱对应的声波信号数据中第三噪声程度均值，获取方柱图的整体差异程度，进而完成对地下管道的定位。本发明旨在解决现有的单探头探测结果不准确及受噪声影响较大的问题。

Description

一种基于多探头传感器数据的地下管道定位方法

技术领域

本发明涉及基于多传感器融合的数据处理领域，具体涉及一种基于多探头传感器数据的地下管道定位方法。

背景技术

地下管道定位是对城市地下各种管线进行探查和测绘的方法，获得地下管道的准确位置，包括探寻各种管线的埋设位置和深度；因为地下管线种类多、专业性强，而且分属各个不同的专业部门管理，所以对于不同的管道类型需要选择不同的方法进行定位；常见的非金属管道则选用声波探测定位，根据地面接收到的管道声波，判断地下管道的深度与距离。

对于非金属地下管道的定位，主要根据地面探测管道声波信号，此时由于管道位置未知，导致不同的地面探测位置的探测效果不同，单个位置探测无法判断声波信号的方向信息，导致其探测不准确；探测获取声波信号易受噪声的影响，同样影响地下管道定位精度；同时，对于探头声波信号的噪声处理，一般的滤波都是基于窗口其他值进行线性加权，但是窗口中的其他数据同样可能存在噪声属性，从而影响降噪效果。

发明内容

本发明提供一种基于多探头传感器数据的地下管道定位方法，以解决现有的单探头探测结果不准确及受噪声影响较大的问题，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于多探头传感器数据的地下管道定位方法，该方法包括以下步骤：

获取多探头采集的原始声波信号数据并转化为二维矩阵；

获取二维矩阵中同行相邻元素的标准差异，将矩阵元素与同列相邻的两个元素的方差作为元素的第一异常程度，将相邻右侧元素的第一异常程度与相邻左右两侧元素的第一异常程度之和的比值作为相邻左侧元素的第一加权系数，将相邻左侧元素的第一异常程度与相邻左右两侧元素的第一异常程度之和的比值作为相邻右侧元素的第一加权系数，根据矩阵元素与同行相邻的两个元素之间的差值、第一加权系数以及标准差异获取矩阵元素的第一噪声程度；

将相邻下方元素的第一噪声程度与相邻上下两侧元素的第一噪声程度之和的比值作为相邻上方元素的第二加权系数，将相邻上方元素的第一噪声程度与相邻上下两侧元素的第一噪声程度之和的比值作为相邻下方元素的第二加权系数，根据矩阵元素与同列相邻的两个元素之间的差值及第二加权系数获取矩阵元素的第二噪声程度，根据第一噪声程度及第二噪声程度获取矩阵元素的第三噪声程度；

根据矩阵元素同行及同列相邻的四个元素的第三噪声程度及矩阵元素的第三噪声程度表现对线性滤波窗口进行调节并滤波，获取滤波后的声波信号数据；

根据多探头采集并滤波后的声波信号数据的幅值关系及探头位置关系构建方柱图，根据方柱图中相邻方柱之间的差值，及相邻两个方柱对应的声波信号数据中第三噪声程度均值之和，获取方柱图的整体差异程度，根据整体差异程度及方柱幅值关系获取地下管道的定位结果。

可选的，所述获取多探头采集的原始声波信号数据并转化为二维矩阵，包括的具体方法为：

通过在地面安装多个探头传感器，接收地下管道物质震动发出的声波信号，得到时序的原始声波信号数据；将时序的原始声波信号数据按照季节变动周期进行分段，所述季节变动周期根据第一预设值得到，将分段的声波信号数据逐行排列转化为二维矩阵形式。

可选的，所述获取二维矩阵中同行相邻元素的标准差异，包括的具体方法为：

获取时序的原始声波信号数据中所有相邻时刻的声波信号幅值差，将所有声波信号幅值差中的众数作为原始声波信号数据的标准差异，所述二维矩阵中同行相邻元素对应的是原始声波信号数据相邻时刻的声波信号，将原始声波信号数据的标准差异作为二维矩阵中同行相邻元素的标准差异。

可选的，所述获取矩阵元素的第一噪声程度，包括的具体方法为：

其中，PH_(d)表示矩阵元素d的第一噪声程度，S_a表示矩阵元素d同行左侧相邻的矩阵元素a₂的第一异常程度，S_b表示矩阵元素d同行右侧相邻的矩阵元素b₂的第一异常程度，|a₂-d|表示矩阵元素d与同行左侧相邻元素的差值，|b₂-d|表示矩阵元素d与同行右侧相邻元素的差值，δ_H表示二维矩阵中同行相邻元素的标准差异。

可选的，所述获取矩阵元素的第二噪声程度，包括的具体方法为：

其中，PL_(d)表示矩阵元素d的第二噪声程度，表示矩阵元素d同列上方相邻的矩阵元素c₁的第一噪声程度，/>表示矩阵元素d同列下方相邻的矩阵元素c₂的第一噪声程度，|c₁-d|表示矩阵元素d与同列上方相邻元素的差值，|c₂-d|表示矩阵元素d与同列下方相邻元素的差值。

可选的，所述对线性滤波窗口进行调节并滤波，包括的具体方法为：

将待滤波的矩阵元素置于3×3线性滤波窗口中的中心位置，并作为滤波因子记为A₀，同行左侧相邻的滤波因子记为A₁，同行右侧相邻的滤波因子记为A₂，同列上方相邻的滤波因子记为A₃，同列下方相邻的滤波因子记为A₄，将此五个位置的元素值作为滤波因子，窗口中其他位置滤波因子为0，每个滤波因子的权重值的计算方法为：

其中，E_j表示窗口中第j个滤波因子即A_j的权重值，P_j表示滤波因子A_j对应位置矩阵元素的第三噪声程度；获取滤波结果的方法为：

其中，A′₀表示待滤波的矩阵元素的滤波结果，E₁表示滤波因子A₁的权重值，E₂表示滤波因子A₂的权重值，E₃表示滤波因子A₃的权重值，E₄表示滤波因子A₄的权重值，E₀表示滤波因子A₀的权重值，五个滤波因子分别对应五个位置的矩阵元素值。

可选的，所述获取方柱图的整体差异程度，包括的具体方法为：

其中，D表示方柱图的整体差异程度，n表示方柱图中的方柱数量，ρ_i表示第i个方柱对应探头接收到的声波信号数据的第三噪声程度均值，ρ_i+1表示第o+1个方柱对应探头接收到的声波信号数据的第三噪声程度均值，X_i和X_i+1分别表示第i个方柱和第i+1个方柱的幅值，|X_i-X_i+1|表示第i个和第i+1个相邻方柱的幅值差异。

本发明相较于现有技术的有益效果是：利用多个探头的数据融合进行地下管道定位，避免单探头数据的不稳定造成的定位不准确，同时避免但探头多次探测，更有效地对地下管道进行定位；对声波信号数据进行滤波降噪，在滤波窗口中，考虑不同位置的噪声程度而确定不同的权重值，降低滤波窗口中其他元素的噪声对滤波结果的影响，获得更加准确的滤波结果；根据不同探头数据的噪声含量进行多探头的数据加权融合，减少融合数据中噪声含量，避免不同探头数据的不同噪声对最终结果的影响，从而获得更加准确的多探头数据之间的关系，进行更加准确的地下管道定位。

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，下面将对实施例或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一个实施例所提供一种基于多探头传感器数据的地下管道定位方法的流程示意图；

图2为矩阵元素噪声判断窗口示例图；

图3为滤波窗口示例图；

图4为方柱图示例图。

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。

请参阅图1，其示出了本发明一个实施例所提供的一种基于多探头传感器数据的地下管道定位方法流程图，该方法包括以下步骤：

步骤S001、获取多探头采集的原始声波信号数据并转化为二维矩阵。

本实施例进行地下管道定位的原理是根据地面多探头接收地下管道的声波信号完成定位判断，获取声波信号的具体方法为：在管道上游接入震动器，以一定频率震动使管道物质震动并发出声波信号；将探头按照一定距离分布在地面多个位置，接收地下管道声波信号；获取声波信号后通过信号分析系统对多探头的声波信号数据融合，进行地下管道定位。

进一步的，由于管道物质发出的声波信号由震动器引发，则声波信号具有与震动器相同的震动周期，即声波信号在时序上表现为季节变动数据，季节变动可由震动器震动周期得到，根据季节变动周期对采集到的时序原始声波信号数据进行分段，并逐行排列得到二维矩阵；在二维矩阵中，同行相邻元素即为原始数据中的相邻数据，同列元素表示原始数据中不同季节变动周期中相同位置的数据；本实施例中设置季节变动周期为10×T₀，其中T₀表示震动器震动周期；通过二维矩阵中元素与同行同列相邻元素的差异表现，噪声引起的突变在原本的规律变化上表现十分明显，噪声程度分析更加准确。

步骤S002、对矩阵元素进行噪声程度判断，获取矩阵元素的第三噪声程度。

需要说明的是，声波信号的噪声主要表现在幅值出现异常变化上，而在不同季节变动周期相同位置上，声波信号幅值相当；在同一季节变动周期内，相邻数据的变化满足一定规律；因此需要从二维矩阵中矩阵元素与同行和同列的相邻元素的差异表现来判断噪声程度。

请参阅图2，其示出了本实施例所采用的一种矩阵元素噪声判断窗口，其中矩阵元素d为待判断的矩阵元素，a₂和b₂分别表示与矩阵元素d同行左右相邻的两个元素，c₁和c₂分别表示与矩阵元素d同列上下相邻的两个元素，a₁和a₃分别表示与矩阵元素a₂同列上下相邻的两个元素，b₁和b₃分别表示与矩阵元素b₂同列上下相邻的两个元素；需要说明的是，矩阵某一行最左边元素的左侧相邻元素是同行最右边元素，矩阵某一行最右边元素的右侧相邻元素是同行最左边元素；矩阵某一列最上方元素的上侧相邻元素是同列最下方元素，矩阵某一列最下方元素的下侧相邻元素是同列最上方元素。

具体的，计算时序的原始声波信号数据中所有相邻时刻的声波信号幅值差，将所有声波信号幅值差中的众数作为原始声波信号数据的标准差异，反映相邻时刻下的声波幅值变化；因为二维矩阵中同行相邻元素表示原始数据中相邻时刻的数据，则同行相邻元素的差异也满足标准差异，将同行相邻元素的标准差异记为δ_H。

进一步的，根据判断窗口中矩阵元素在水平方向上与同行相邻元素间的差异表现，获取矩阵元素d的第一噪声程度PH_(d)，计算方法为：

其中，S_a表示矩阵元素d同行左侧相邻的矩阵元素a₂的第一异常程度，S_b表示矩阵元素d同行右侧相邻的矩阵元素b₂的第一异常程度，|a₂-d|表示矩阵元素d与同行左侧相邻元素的差值，|b₂-d|表示矩阵元素d与同行右侧相邻元素的差值，δ_H表示二维矩阵中同行相邻元素的标准差异；

S_a是矩阵元素a₂与同列上下相邻的两个元素a₁和a₃的方差，S_a越大，表示矩阵元素a₂与同列上下相邻的两个元素间差异越大，说明对应的原始信号中相邻周期内同一位置的数据差异较大，矩阵元素a₂的稳定性越差，矩阵元素a₂可能本身为噪声，用|a₂-d|反映矩阵元素d与同行相邻元素间的差值的可信度越小，则其对应的第一加权系数也应越小，利用作为|a₂-d|的第一权重系数，通过分母中S_a的增大使第一权重系数变小；同理，S_b是矩阵元素b₂与同列上下相邻的两个元素b₁和b₃的方差，S_b越大，矩阵元素b₂的稳定性越差，用|b₂-d|反映矩阵元素d与同行相邻元素间的差值的可信度越小，其对应的第一加权系数也应越小，利用/>作为|b₂-d|的第一加权系数。

此时，通过对矩阵元素d与左右相邻元素间的差值进行加权求和得到一个和值，通过第一加权系数降低同行相邻元素可能为噪声对矩阵元素d的判断影响，表示矩阵元素d与相邻元素之间相对于标准差异的差值表现，利用这个和值与标准差异的差值反映第一噪声程度；第一噪声程度越大，表示矩阵元素d在水平方向上为噪声数据的可能性越大，矩阵元素d为噪声数据的可能性也就越大。

进一步的，根据判断窗口中矩阵元素在竖直方向上与同列相邻元素间的差异表现，获取矩阵元素d的第二噪声程度PL_(d)，计算方法为：

其中，表示矩阵元素d同列上方相邻的矩阵元素c₁的第一噪声程度，/>表示矩阵元素d同列下方相邻的矩阵元素c₂的第一噪声程度，|c₁-d|表示矩阵元素d与同列上方相邻元素的差值，|c₂-d|表示矩阵元素d与同列下方相邻元素的差值；

越大，说明对应的原始信号中同一周期相邻位置之间的差异与标准差异相差较多，矩阵元素c₁在水平方向上为噪声的可能性越大，用|c₁-d|反映矩阵元素d与同列相邻元素间的差值的可信度越小，其对应的第二加权系数也应越小，利用/>作为|c₁-d|的第二加权系数，通过分母中/>的增大使第二加权系数变小；同理，/>越大，表示矩阵元素c₂在水平方向上为噪声的可能性越大，用|c₂-d|反映矩阵元素d与同列相邻元素间的差值的可信度越小，其对应的第二加权系数也应越小，利用/>作为|c₂-d|的第二加权系数。

此时，不是噪声情况下同列相邻元素间的差值应为0，通过第二加权系数降低同列相邻元素可能为噪声对矩阵元素d的判断影响，PL_(d)越大，表示矩阵元素d与同列相邻元素间的差值越大，即第二噪声程度越大，在竖直方向上为噪声数据的可能性越大，为噪声数据的可能性越大。

进一步的，在判断窗口中已经分别得到了矩阵元素d在水平方向上的第一噪声程度和竖直方向上的第二噪声程度，利用第一噪声程度PH_(d)和第二噪声程度PL_(d)获取矩阵元素d的第三异常程度P_(d)的计算方法为：

P_(d)＝α×PH_(d)+β×PL_(d)

其中，PH_(d)表示矩阵元素d的第一噪声程度，α为第一噪声程度的影响因子，PL_(d)表示矩阵元素d的第二噪声程度，β为第二噪声程度的影响因子；优选的，本实施例中α＝0.6，β＝0.4；此时，根据第一噪声程度和第二噪声程度得到了对于矩阵元素噪声判断的第三噪声程度，矩阵元素与同行及同列的相邻元素间差值越大，第三噪声程度越大，矩阵元素为噪声数据的可能性越大。

步骤S003、根据矩阵元素的第三噪声程度对滤波窗口进行调节并滤波。

请参阅图3，其示出了本实施例所采用的一种滤波窗口，将待滤波的矩阵元素置于3×3线性滤波窗口中的中心位置，并作为滤波因子记为A₀，同行左侧相邻的滤波因子记为A₁，同行右侧相邻的滤波因子记为A₂，同列上方相邻的滤波因子记为A₃，同列下方相邻的滤波因子记为A₄，将此五个位置的元素值作为滤波因子，窗口中其他位置滤波因子为0。

需要说明的是，因为在进行滤波过程中，滤波窗口内不同位置的元素本身可能存在噪声属性；所以需要根据窗口位置的不同得到滤波因子的权重值，且滤波因子的权重值直接受对应位置元素的噪声属性的影响，此时获得的最终滤波核表示为：

其中，A_j，j＝0，1，2，3，4分别表示滤波因子，E_j表示每个滤波因子的权重值。具体的，以第j个滤波因子为例，其权重值E_j的计算方法为：

其中，P_j表示滤波因子的A_j对应位置矩阵元素的第三噪声程度，表示窗口内五个滤波因子对应位置矩阵元素的第三噪声程度之和，则/>表示滤波因子A_j对应位置矩阵元素的噪声占比，值越大噪声占比越大，则滤波因子A_j的权重值应越小。

进一步的，利用最终滤波核对滤波窗口中心位置的矩阵元素进行滤波的计算方法为：

其中，A′₀表示待滤波的矩阵元素的最终滤波结果，E₁表示滤波因子A₁的权重值，E₂表示滤波因子A₂的权重值，E₃表示滤波因子A₃的权重值，E₄表示滤波因子A₄的权重值，E₀表示滤波因子A₀的权重值，五个滤波因子分别对应五个位置的矩阵元素值；在当前窗口对应位置的矩阵元素值与同行相邻元素值之间的关系为因此表示水平方向上的滤波结果；在当前窗口对应位置的矩阵元素值与同列相邻元素值之间的关系为/>因此/>表示竖直方向上的滤波结果，E₀×A₀表示对滤波因子A₀本身的滤波结果；此时，在构建的最终滤波核中，根据不同滤波因子的第三噪声程度而确定不同的权重值，降低滤波窗口中其他元素的噪声对滤波结果的影响，使滤波结果更加准确。

步骤S004、根据多探头采集并滤波后的声波信号数据构建方柱图，根据相邻方柱之间的差异表现及方柱对应的声波信号数据中第三噪声程度均值，获取方柱图的整体差异程度，进而完成对地下管道的定位。

需要说明的是，在根据多探头进行地下管道定位时，主要根据不同位置探头所接收到的声波信号的幅值关系进行位置估计，即获得不同位置的探头经过滤波处理后的声波信号的测量方柱图所形成的抛物线进行地下管道定位；同时由于滤波处理仅能一定程度的降低噪声，滤波后的声波信号同样存在一定噪声，进而导致对方柱图的整体差异程度影响程度不同，还需要各探头采集到的声波信号数据中的第三噪声程度确定各方柱中的噪声含量，降低噪声含量多的方柱对方柱图整体差异程度的判断影响。

请参阅图4，其示出了一种本实施例五个探头采集到的声波信号数据经滤波处理后构建的方柱图，其中横坐标为不同探头，每个方柱上方数值表示了对应方柱的幅值，此时方柱图的整体差异程度，即形成的抛物线的峰值可以直接反映地下管道的位置信息。

具体的，获取方柱图的整体差异程度D的计算方法为：

其中，n表示方柱图中的方柱数量，ρ_i表示第i个方柱对应探头接收到的声波信号数据的第三噪声程度均值，ρ_i+1表示第i+1个方柱对应探头接收到的声波信号数据的第三噪声程度均值，X_i和X_i+1分别表示第i个方柱和第i+1个方柱的幅值，|X_i-X_i+1|表示第i个和第i+1个相邻方柱的幅值差异；第i个方柱对应探头接收到的声波信号数据的第三噪声程度均值ρ_i越大，表明该方柱中噪声含量越多；越大，说明第o个及第o+1个方柱中噪声含量占比整个方柱图中的噪声含量越大，该相邻两个方柱获取的差异稳定性越低，对整体差异程度判断的影响应越小，利用/>作为|X_i-X_i+1|的权值，降低|X_i-X_i+1|对整体差异程度的影响。

此时，根据各相邻方柱之间的差异表现获取了方柱图的整体差异程度，整体差异程度越大，表明地下管道埋藏越深，同时方柱图中最大幅值对应的探头所在位置，最接近于管道的正上方。

至此，根据方柱图的整体差异程度及输入到信号分析系统的滤波后的多探头声波信号数据，完成对地下管道的定位。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于多探头传感器数据的地下管道定位方法，其特征在于，该方法包括以下步骤：

获取多探头采集的原始声波信号数据并转化为二维矩阵；

获取二维矩阵中同行相邻元素的标准差异，将矩阵元素与同列相邻的两个元素的方差作为元素的第一异常程度，将相邻右侧元素的第一异常程度与相邻左右两侧元素的第一异常程度之和的比值作为相邻左侧元素的第一加权系数，将相邻左侧元素的第一异常程度与相邻左右两侧元素的第一异常程度之和的比值作为相邻右侧元素的第一加权系数，根据矩阵元素与同行相邻的两个元素之间的差值、第一加权系数以及标准差异获取矩阵元素的第一噪声程度；

将相邻下方元素的第一噪声程度与相邻上下两侧元素的第一噪声程度之和的比值作为相邻上方元素的第二加权系数，将相邻上方元素的第一噪声程度与相邻上下两侧元素的第一噪声程度之和的比值作为相邻下方元素的第二加权系数，根据矩阵元素与同列相邻的两个元素之间的差值及第二加权系数获取矩阵元素的第二噪声程度，根据第一噪声程度及第二噪声程度获取矩阵元素的第三噪声程度；

根据矩阵元素同行及同列相邻的四个元素的第三噪声程度及矩阵元素的第三噪声程度表现对线性滤波窗口进行调节并滤波，获取滤波后的声波信号数据；

根据多探头采集并滤波后的声波信号数据的幅值关系及探头位置关系构建方柱图，根据方柱图中相邻方柱之间的差值，及相邻两个方柱对应的声波信号数据中第三噪声程度均值之和，获取方柱图的整体差异程度，根据整体差异程度及方柱幅值关系获取地下管道的定位结果；

所述获取二维矩阵中同行相邻元素的标准差异，包括的具体方法为：

获取时序的原始声波信号数据中所有相邻时刻的声波信号幅值差，将所有声波信号幅值差中的众数作为原始声波信号数据的标准差异，所述二维矩阵中同行相邻元素对应的是原始声波信号数据相邻时刻的声波信号，将原始声波信号数据的标准差异作为二维矩阵中同行相邻元素的标准差异；

所述对线性滤波窗口进行调节并滤波，包括的具体方法为：

将待滤波的矩阵元素置于3×3线性滤波窗口中的中心位置，并作为滤波因子记为A₀，同行左侧相邻的滤波因子记为A₁，同行右侧相邻的滤波因子记为A₂，同列上方相邻的滤波因子记为A₃，同列下方相邻的滤波因子记为A₄，将此五个位置的元素值作为滤波因子，窗口中其他位置滤波因子为0，每个滤波因子的权重值的计算方法为：

其中，E_j表示窗口中第j个滤波因子即A_j的权重值，P_j表示滤波因子A_j对应位置矩阵元素的第三噪声程度；获取滤波结果的方法为：

其中，A^′ ₀表示待滤波的矩阵元素的滤波结果，E₁表示滤波因子A₁的权重值，E₂表示滤波因子A₂的权重值，E₃表示滤波因子A₃的权重值，E₄表示滤波因子A₄的权重值，E₀表示滤波因子A₀的权重值，五个滤波因子分别对应五个位置的矩阵元素值。

2.根据权利要求1所述的一种基于多探头传感器数据的地下管道定位方法，其特征在于，

所述获取多探头采集的原始声波信号数据并转化为二维矩阵，包括的具体方法为：

通过在地面安装多个探头传感器，接收地下管道物质震动发出的声波信号，得到时序的原始声波信号数据；将时序的原始声波信号数据按照季节变动周期进行分段，所述季节变动周期根据第一预设值得到，将分段的声波信号数据逐行排列转化为二维矩阵形式。

3.根据权利要求1所述的一种基于多探头传感器数据的地下管道定位方法，其特征在于，所述获取矩阵元素的第一噪声程度，包括的具体方法为：

其中，PH_(d)表示矩阵元素d的第一噪声程度，S_a表示矩阵元素d同行左侧相邻的矩阵元素a₂的第一异常程度，S_b表示矩阵元素d同行右侧相邻的矩阵元素b₂的第一异常程度，|a₂-d|表示矩阵元素d与同行左侧相邻元素的差值，|b₂-d|表示矩阵元素d与同行右侧相邻元素的差值，δ_H表示二维矩阵中同行相邻元素的标准差异。

4.根据权利要求1所述的一种基于多探头传感器数据的地下管道定位方法，其特征在于，所述获取矩阵元素的第二噪声程度，包括的具体方法为：

其中，PL_(d)表示矩阵元素d的第二噪声程度，表示矩阵元素d同列上方相邻的矩阵元素c₁的第一噪声程度，/>表示矩阵元素d同列下方相邻的矩阵元素c₂的第一噪声程度，|c₁-d|表示矩阵元素d与同列上方相邻元素的差值，|c₂-d|表示矩阵元素d与同列下方相邻元素的差值。

5.根据权利要求1所述的一种基于多探头传感器数据的地下管道定位方法，其特征在于，所述获取方柱图的整体差异程度，包括的具体方法为：

其中，D表示方柱图的整体差异程度，n表示方柱图中的方柱数量，ρ_i表示第i个方柱对应探头接收到的声波信号数据的第三噪声程度均值，ρ_i+1表示第i+1个方柱对应探头接收到的声波信号数据的第三噪声程度均值，X_i和X_i+1分别表示第i个方柱和第i+1个方柱的幅值，|X_i-X_i+1|表示第i个和第i+1个相邻方柱的幅值差异。