CN116738375A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116738375A CN116738375A CN202310619463.5A CN202310619463A CN116738375A CN 116738375 A CN116738375 A CN 116738375A CN 202310619463 A CN202310619463 A CN 202310619463A CN 116738375 A CN116738375 A CN 116738375A
- Authority
- CN
- China
- Prior art keywords
- sounding
- model
- induced
- data
- depth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008030 elimination Effects 0.000 title claims abstract description 26
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 title claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000012876 topography Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000005096 rolling process Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 16
- 230000002457 bidirectional effect Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000001939 inductive effect Effects 0.000 claims description 9
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000204169 Patiria miniata Species 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 208000014733 refractive error Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/008—Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Hydrology & Water Resources (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种基于单条带测深数据的诱导升沉误差探测及消除方法及系统,包括:多波束测深数据的处理,通过原始数据解码获得横摇及纵摇,同时通过声线跟踪、归位计算等方法计算得到多波束测深点在指定深度基准面下的深度;通过傅里叶低通滤波、双向差分法、Multi‑start算法提取诱导升沉误差引起的沿航迹向异常条纹周期;通过建立模型并利用滑动RANSAC算法获取各周期内的改正水深;利用SVR回归算法获得诱导升沉误差,并将其改正至船文件重新进行归位计算实现沿航迹向异常条纹的消除。本发明针对测深成果中异常条纹地形影响明显、成因不明确和难以消除问题,有效地消除了诱导升沉误差引起的沿航迹向异常条纹,同时对复杂的海底地形具有鲁棒性。
Description
技术领域
本发明属于大地测量与测绘工程技术领域,特别涉及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。
背景技术
多波束测深系统(MBES)具有全覆盖、全水深范围、高精度、高分辨率等特点,已成为主流测深设备,广泛应用于水下地形测量、海底地貌测量、水下目标探测等领域。在“海底2030年大洋深度图”(GEBCO)和联合国(UN)“海洋科学促进可持续发展十年”等全球倡议的推动下,越来越多的多波束测深数据正在被获取。作为一个由多个传感器组成的综合系统,MBES测深精度会受到传感器精度、传感器耦合效应和复杂环境的影响,导致测深数据总是伴随着各种误差。
由于声速剖面、船文参数等外源数据漏测或误测等原因,多波束数据波束脚印计算过程中经常会有误差引入,这将导致测深点云数据中出现明显的系统性误差。在这些误差中,目前较少有学者关注到因换能器与涌浪传感器之间的安装偏差引起的诱导升沉误差,其影响在变化平缓的海底地形测量中影响尤为显著,给浅水区域的多波束测深成果质量造成严重影响,但目前缺少较为完善的手段进行探测消除。
有研究者使用差分进化和高斯-牛顿优化方法来削弱错误声速剖面引起的折射误差;有研究者提出了一种偏移校正方法来减轻偏移的潮汐分量,通过瞬时潮汐校正(ITC)算法来减少由于潮汐测量不完整或修正模型不适当造成的潮汐残差;有研究者采用多波束声呐探测方法和GPS动态定位,减少船舶运动不均匀造成的动态吃水误差;也有研究者提出了基于地形特征匹配的多波束声呐系统安装偏差整体标定方法,减少了换能器的对准误差和对应的标定残差;还有研究者提出了一种考虑多波束非同心阵列几何结构的精确算法,以减少非同心阵列的误差。
与这些通常具有较大振幅并受到广泛关注的误差不同,高频误差通常具有较小的振幅,在许多情况下满足国际海道测量组织(IHO)S44的标准。虽然振幅小,但在高分辨率要求下或在浅水区,它也会明显影响多波束测深成果的质量。有研究者识别并分析了这类由传感器融合误差引起的高频误差,并将这些误差分为三类:1)1)姿态时延、比例误差;2)表面声速误差;3)涌浪传感器与换能器在X和Y方向上的相对位置偏差,即诱导升沉误差。已有大量针对于1)和2)类误差的相关研究,但3)类误差较少被关注,缺少较为完善的手段进行探测消除。
发明内容
本发明的目的在于针对测深成果中异常条纹地形影响明显、成因不明确和难以消除问题,提出了一种基于单条带测深数据的诱导升沉误差探测消除方法,该方法能有效地消除诱导升沉误差引起的沿航迹向异常条纹。
本发明所提供的一种基于单条带测深数据的诱导升沉误差探测消除方法,包括以下步骤,
步骤1,多波束测深数据的处理,通过原始数据解码获得横摇及纵摇,并计算得到多波束测深点在指定深度基准面下的深度;
步骤2,诱导升沉误差引起的沿航迹向异常条纹周期提取;
步骤3,获取各周期内的改正水深,实现方式包括以下子步骤,
步骤3.1,确定多波束测深诱导升沉误差改正模型,改正模型顾及海底地形趋势一致性原则,将水深与诱导升沉误差建立联系,引入了拟合趋势项,然后,随机选取步骤2中提取的各周期内的一部分点建立回归方程求出改正模型中的参数;
步骤3.2,用得到的模型测试测深序列当前周期内的所有数据,将适用于模型的数据归入为局内点;
步骤3.3,若局内点不满足一定数量,则转至步骤3.1;若满足一定数量,用所有局内点重新计算模型参数;
步骤3.4,用所有局内点重新评估模型;
步骤3.5,将步骤3.1至步骤3.4重复进行一定次数,选取其中步骤3.4中评估最好的模型作为结果,进行水深改正;
步骤4,诱导升沉误差的探测消除,实现方式包括以下子步骤,
步骤4.1,确定改正模型,所述改正模型将各周期内的改正后水深作为模型输入,建立了改正前后水深与诱导涌浪误差之间的联系,由此利用SVR回归算法求解诱导升沉误差;
步骤4.2,将诱导升沉误差改正至船文件,重新进行多波束测深归位计算,消除沿航迹向的异常条纹。
进一步的,步骤1中通过声线跟踪、归位计算方法计算得到多波束测深点在指定深度基准面下的深度。
进一步的,步骤2的具体实现方式包括以下子步骤,
步骤2.1,在处理后的测深数据中提取中央波束区域的深度序列,利用傅里叶低通滤波进行高频的地形细节及噪声剔除,便于提取周期;
步骤2.2,对傅里叶低通滤波后的数据使用双向差分算法初步提取测深序列中最大最小值;
步骤2.3,以双向差分算法提取的最大最小值为起点,使用Multi-start算法确定沿航迹向异常条纹的波峰波谷。
进一步的,步骤2.1中,所述傅里叶低通滤波的频率阈值选择参考测深序列以及横摇、纵摇时间序列的频谱。
进一步的,步骤3.1中,所述多波束测深诱导升沉误差改正模型如下:
Δhi=hi-(xsinPi-ysinRi cosPi)-(kDis+dh)
其中,Δhi为改正后水深,hi是测深数据序列中第i ping的初始深度,Dis是第i个序列到当前区域第一个序列的沿航迹向距离,ping代表多波束声呐的一个发射接收过程,表现为一段垂直航迹向的测深点;(kDis+dh)代表的是海底地形趋势的拟合项,Pi、Ri为对应时刻的纵摇及横摇,x、y为涌浪传感器与换能器之间在X与Y方向上的相对位置偏差,即诱导升沉误差,k1、k2为步骤2中所提取周期的起止序列点。
进一步的,步骤3.2中,适用于模型的评估标准如下:
|hi-(xsinPi-ysinRi cosPi)-(kDis+dh)|<ε
其中,ε设置为当前仪器设备测量水深精度。
进一步的,步骤3.4中,评估模型的方法如下式:
进一步的,步骤4.1中确定的改正模型为:
hi-hi'=sinPix-sinRi cosPiy
其中,hi为第i ping原始测深或原始平均测深,hi'为改正后水深。
本发明还提供一种基于单条带测深数据的诱导升沉误差探测消除系统,包括以下模块:
预处理模块,用于多波束测深数据的处理,通过原始数据解码获得横摇及纵摇,并计算得到多波束测深点在指定深度基准面下的深度;
周期提取模块,用于诱导升沉误差引起的沿航迹向异常条纹周期提取;
改正水深获取模块,用于获取各周期内的改正水深,实现方式包括以下子步骤,
步骤3.1,确定多波束测深诱导升沉误差改正模型,该模型顾及海底地形趋势一致性原则,将水深与诱导升沉误差建立联系,引入了拟合趋势项,然后,随机选取区域内的一部分点建立回归方程求出参数;
步骤3.2,用得到的模型测试测深序列当前周期内的所有数据,将适用于模型的数据归入为局内点;
步骤3.3,若局内点不满足一定数量,则转至步骤3.1;若满足一定数量,用所有局内点重新计算模型参数;
步骤3.4,用所有局内点重新评估模型;
步骤3.5,将步骤3.1至步骤3.4重复进行一定次数,选取其中步骤3.4中评估最好的模型作为结果,进行水深改正;
误差消除模块,用于诱导升沉误差的探测消除,实现方式包括以下子步骤,
步骤4.1,确定改正模型,所述改正模型将各周期内的改正后水深作为模型输入,建立了改正前后水深与诱导涌浪误差之间的联系,由此利用SVR回归算法求解诱导升沉误差;
步骤4.2,将诱导升沉误差改正至船文件,重新进行多波束测深归位计算,消除沿航迹向的异常条纹。
进一步的,周期提取模块的具体实现方式包括以下子步骤,
步骤2.1,在处理后的测深数据中提取中央波束区域的深度序列,利用傅里叶低通滤波进行高频的地形细节及噪声剔除,便于提取周期;
步骤2.2,对傅里叶低通滤波后的数据使用双向差分算法初步提取测深序列中最大最小值;
步骤2.3,以双向差分算法提取的最大最小值为起点,使用Multi-start算法确定沿航迹向异常条纹的波峰波谷。
本发明提出的基于单条带测深数据的诱导升沉误差探测消除技术方案,针对测深成果中异常条纹地形影响明显、成因不明确和难以消除问题,提出了一种基于单条带测深数据的诱导升沉误差探测消除方法,首先,通过提取异常条纹的周期确定校准窗口;然后,利用这些窗口中所有经过校正的测深数据估计诱导升沉误差。此过程中,采用滑动RANSAC算法避免海底目标和地形特征的影响,同时利用SVR算法来抑制其它噪声的影响,提高了模型参数的估计精度,该方法能有效地消除诱导升沉误差引起的沿航迹向异常条纹。此外,该方法对复杂的海底地形具有鲁棒性,且应用条件限制较小。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例最后得到的诱导升沉误差改正前后海底地形图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细描述。
本发明实施例提供的一种基于单条带测深数据的诱导升沉误差探测消除方法,流程如图1所示,包括如下步骤:
步骤1,多波束测深数据的处理,通过原始数据解码获得横摇及纵摇,同时通过声线跟踪、归位计算方法计算得到多波束测深点在指定深度基准面下的深度;
具体实施时,实例基于Reason公司生产的SeaBat T50-P型多波束声呐仪所采集的数据,数据来源于某某海域,使用现有的多波束数据处理软件对原始数据进行处理,最终获得测深点的纵摇及横摇P、R为对应时刻的以及潮位基准面下的深度h。
步骤2,诱导升沉误差引起的沿航迹向异常条纹周期提取,实现方式包括以下子步骤,
步骤2.1,在处理后的测深数据中提取中央波束区域的深度序列,利用傅里叶低通滤波进行高频的地形细节及噪声剔除,便于提取周期;
具体实施时,中央波束区域定为中央5个波束,取值为5是为了避免多波束测深中的随机误差影响,可选择2-10,对最终结果影响微弱,深度序列通过取平均获得;傅里叶低通滤波的频率阈值选择可参考测深序列以及横摇、纵摇时间序列的频谱,因为诱导升沉误差与横摇、纵摇直接相关。
步骤2.2,对傅里叶低通滤波后的数据使用双向差分算法初步提取测深序列中最大最小值;
双向差分算法为现有算法,故不进行赘述。
步骤2.3,以双向差分算法提取的最大最小值为起点,使用Multi-start算法确定沿航迹向异常条纹的波峰波谷。
实例中Multi-start算法的范围设置为25个序列值,取值应根据诱导升沉误差引起的沿航迹向异常条纹周期确定,25近似为半个周期。
步骤3,获取各周期内的改正水深,实现方式包括以下子步骤,
步骤3.1,确定多波束测深诱导升沉误差改正模型,随机选取步骤2中提取的各周期内的一部分点建立回归方程求出改正模型中的参数;
具体实施中,随机选取二分之一的测深序列点,二分之一可适当上下调整,对最终结果影响微弱,另多波束测深诱导升沉误差改正模型如下:
Δhi=hi-(xsinPi-ysinRi cosPi)-(kDis+dh)
其中,Δhi为改正后水深,hi是测深数据序列中第i ping(ping代表多波束声呐的一个发射接收过程,表现为一段垂直航迹向的测深点)的初始深度,Dis是第i个序列到当前区域第一个序列的沿航迹向距离,(kDis+dh)代表的是海底地形趋势的拟合项,每个小区域的线性拟合可以较为准确地表示海底的整体地形趋势。Pi、Ri为对应时刻的纵摇及横摇,x、y为涌浪传感器与换能器之间在X与Y方向上的相对位置偏差,即诱导升沉误差,k1、k2为步骤2中所提取周期的起止序列点。
步骤3.2,用得到的模型测试测深序列当前周期内的所有数据,将适用于模型的数据归入为局内点;
实例中,选择点的区域选定为当前处理异常条纹周期及前后相邻周期,另适用于模型的评估标准如下:
|hi-(xsinPi-ysinRi cosPi)-(kDis+dh)|<ε
其中,ε设置为当前仪器设备测量水深精度,其它参数意义同前。
步骤3.3,若局内点不满足一定数量,则转至步骤3.1;若满足一定数量,用所有局内点重新计算模型参数;
步骤3.4,用所有局内点重新评估模型;
实施例中,评估模型的方法如下式:
其中,各参数意义同前。
步骤3.5,将步骤3.1至步骤3.4重复进行一定次数,选取其中步骤3.4中评估最好的模型作为结果,进行水深改正;
实施例中,水深改正如下式:
hi'=hi-(sinPix'-sinRicosPiy')
式中,hi'为改正后水深,x'、y'分别为模型求解的换能器与涌浪传感器的水平方向上的相对位置偏移误差,其它参数意义同前。
步骤4,诱导升沉误差的探测消除,实现方式包括以下子步骤,
步骤4.1,确定改正模型,将各周期内的改正后水深作为模型输入,利用SVR回归算法求解诱导升沉误差;
实施例中,SVR回归为现有算法,不进行赘述,改正模型为:
hi-hi'=sinPix-sinRicosPiy
其中,hi为第i ping(ping代表多波束声呐的一个发射接收过程,表现为一段垂直航迹向的测深点)原始测深或原始平均测深,hi'为改正后水深,其它各项参数意义同前。
步骤4.2,将诱导升沉误差改正至船文件,重新进行多波束测深归位计算,消除沿航迹向的异常条纹。
实施例中,使用Caris多波束数据后处理软件重新进行多波束测深归位计算,将诱导升沉误差消除,获得消除沿航迹向异常条纹后的海底地形图。
具体实施时,本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程,实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备,也应当在本发明的保护范围内。
本发明还提供一种基于单条带测深数据的诱导升沉误差探测消除系统,包括以下模块:
预处理模块,用于多波束测深数据的处理,通过原始数据解码获得横摇及纵摇,并计算得到多波束测深点在指定深度基准面下的深度;
周期提取模块,用于诱导升沉误差引起的沿航迹向异常条纹周期提取;
改正水深获取模块,用于获取各周期内的改正水深,实现方式包括以下子步骤,
步骤3.1,确定多波束测深诱导升沉误差改正模型,该模型顾及海底地形趋势一致性原则,将水深与诱导升沉误差建立联系,引入了拟合趋势项,然后,随机选取区域内的一部分点建立回归方程求出参数;
步骤3.2,用得到的模型测试测深序列当前周期内的所有数据,将适用于模型的数据归入为局内点;
步骤3.3,若局内点不满足一定数量,则转至步骤3.1;若满足一定数量,用所有局内点重新计算模型参数;
步骤3.4,用所有局内点重新评估模型;
步骤3.5,将步骤3.1至步骤3.4重复进行一定次数,选取其中步骤3.4中评估最好的模型作为结果,进行水深改正;
误差消除模块,用于诱导升沉误差的探测消除,实现方式包括以下子步骤,
步骤4.1,确定改正模型,所述改正模型将各周期内的改正后水深作为模型输入,建立了改正前后水深与诱导涌浪误差之间的联系,由此利用SVR回归算法求解诱导升沉误差;
步骤4.2,将诱导升沉误差改正至船文件,重新进行多波束测深归位计算,消除沿航迹向的异常条纹。
各模块的具体实现方式与各步骤相应,本发明不予撰述。
尽管上面结合附图对本发明的较佳实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,并不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以作出很多形式,这些均属于本发明的保护范围之内。
Claims (10)
1.一种基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于,包括以下步骤:
步骤1,多波束测深数据的处理,通过原始数据解码获得横摇及纵摇,并计算得到多波束测深点在指定深度基准面下的深度;
步骤2,诱导升沉误差引起的沿航迹向异常条纹周期提取;
步骤3,获取各周期内的改正水深,实现方式包括以下子步骤,
步骤3.1,确定多波束测深诱导升沉误差改正模型,改正模型顾及海底地形趋势一致性原则,将水深与诱导升沉误差建立联系,引入了拟合趋势项,然后,随机选取步骤2中提取的各周期内的一部分点建立回归方程求出改正模型中的参数;
步骤3.2,用得到的模型测试测深序列当前周期内的所有数据,将适用于模型的数据归入为局内点;
步骤3.3,若局内点不满足一定数量,则转至步骤3.1;若满足一定数量,用所有局内点重新计算模型参数;
步骤3.4,用所有局内点重新评估模型;
步骤3.5,将步骤3.1至步骤3.4重复进行一定次数,选取其中步骤3.4中评估最好的模型作为结果,进行水深改正;
步骤4,诱导升沉误差的探测消除,实现方式包括以下子步骤,
步骤4.1,确定改正模型,所述改正模型将各周期内的改正后水深作为模型输入,建立了改正前后水深与诱导涌浪误差之间的联系,由此利用SVR回归算法求解诱导升沉误差;
步骤4.2,将诱导升沉误差改正至船文件,重新进行多波束测深归位计算,消除沿航迹向的异常条纹。
2.根据权利要求1所述基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于:步骤1中通过声线跟踪、归位计算方法计算得到多波束测深点在指定深度基准面下的深度。
3.根据权利要求1所述基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于:步骤2的具体实现方式包括以下子步骤,
步骤2.1,在处理后的测深数据中提取中央波束区域的深度序列,利用傅里叶低通滤波进行高频的地形细节及噪声剔除,便于提取周期;
步骤2.2,对傅里叶低通滤波后的数据使用双向差分算法初步提取测深序列中最大最小值;
步骤2.3,以双向差分算法提取的最大最小值为起点,使用Multi-start算法确定沿航迹向异常条纹的波峰波谷。
4.根据权利要求3所述基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于:步骤2.1中,所述傅里叶低通滤波的频率阈值选择参考测深序列以及横摇、纵摇时间序列的频谱。
5.根据权利要求1所述基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于:步骤3.1中,所述多波束测深诱导升沉误差改正模型如下:
Δhi=hi-(xsinPi-ysinRi cosPi)-(kDis+dh)
其中,Δhi为改正后水深,hi是测深数据序列中第i ping的初始深度,Dis是第i个序列到当前区域第一个序列的沿航迹向距离,ping代表多波束声呐的一个发射接收过程,表现为一段垂直航迹向的测深点;(kDis+dh)代表的是海底地形趋势的拟合项,Pi、Ri为对应时刻的纵摇及横摇,x、y为涌浪传感器与换能器之间在X与Y方向上的相对位置偏差,即诱导升沉误差,k1、k2为步骤2中所提取周期的起止序列点。
6.根据权利要求5所述基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于:步骤3.2中,适用于模型的评估标准如下:
|hi-(xsinPi-ysinRi cosPi)-(kDis+dh)|<ε
其中,ε设置为当前仪器设备测量水深精度。
7.根据权利要求5所述基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于:步骤3.4中,评估模型的方法如下式:
8.根据权利要求5所述基于单条带测深数据的诱导升沉误差探测消除方法,其特征在于:步骤4.1中确定的改正模型为:
hi-hi'=sinPix-sinRicosPiy
其中,hi为第i ping原始测深或原始平均测深,hi'为改正后水深。
9.一种基于单条带测深数据的诱导升沉误差探测消除系统,其特征在于,包括以下模块:
预处理模块,用于多波束测深数据的处理,通过原始数据解码获得横摇及纵摇,并计算得到多波束测深点在指定深度基准面下的深度;
周期提取模块,用于诱导升沉误差引起的沿航迹向异常条纹周期提取;
改正水深获取模块,用于获取各周期内的改正水深,实现方式包括以下子步骤,
步骤3.1,确定多波束测深诱导升沉误差改正模型,该模型顾及海底地形趋势一致性原则,将水深与诱导升沉误差建立联系,引入了拟合趋势项,然后,随机选取区域内的一部分点建立回归方程求出参数;
步骤3.2,用得到的模型测试测深序列当前周期内的所有数据,将适用于模型的数据归入为局内点;
步骤3.3,若局内点不满足一定数量,则转至步骤3.1;若满足一定数量,用所有局内点重新计算模型参数;
步骤3.4,用所有局内点重新评估模型;
步骤3.5,将步骤3.1至步骤3.4重复进行一定次数,选取其中步骤3.4中评估最好的模型作为结果,进行水深改正;
误差消除模块,用于诱导升沉误差的探测消除,实现方式包括以下子步骤,
步骤4.1,确定改正模型,所述改正模型将各周期内的改正后水深作为模型输入,建立了改正前后水深与诱导涌浪误差之间的联系,由此利用SVR回归算法求解诱导升沉误差;
步骤4.2,将诱导升沉误差改正至船文件,重新进行多波束测深归位计算,消除沿航迹向的异常条纹。
10.根据权利要求9所述基于单条带测深数据的诱导升沉误差探测消除系统,其特征在于:周期提取模块的具体实现方式包括以下子步骤,
步骤2.1,在处理后的测深数据中提取中央波束区域的深度序列,利用傅里叶低通滤波进行高频的地形细节及噪声剔除,便于提取周期;
步骤2.2,对傅里叶低通滤波后的数据使用双向差分算法初步提取测深序列中最大最小值;
步骤2.3,以双向差分算法提取的最大最小值为起点,使用Multi-start算法确定沿航迹向异常条纹的波峰波谷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310619463.5A CN116738375A (zh) | 2023-05-25 | 2023-05-25 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310619463.5A CN116738375A (zh) | 2023-05-25 | 2023-05-25 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116738375A true CN116738375A (zh) | 2023-09-12 |
Family
ID=87900390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310619463.5A Pending CN116738375A (zh) | 2023-05-25 | 2023-05-25 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116738375A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112989A (zh) * | 2023-10-23 | 2023-11-24 | 北京华力兴科技发展有限责任公司 | 一种测厚数据滤波优化处理方法 |
-
2023
- 2023-05-25 CN CN202310619463.5A patent/CN116738375A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112989A (zh) * | 2023-10-23 | 2023-11-24 | 北京华力兴科技发展有限责任公司 | 一种测厚数据滤波优化处理方法 |
CN117112989B (zh) * | 2023-10-23 | 2024-01-23 | 北京华力兴科技发展有限责任公司 | 一种测厚数据滤波优化处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109738902B (zh) | 一种基于同步信标模式的水下高速目标高精度自主声学导航方法 | |
CN113093159B (zh) | 多波束测深误差改进模型设计方法 | |
CN111487678B (zh) | 一种确定高分辨率小多道地震最小偏移距和系统延迟的分析方法 | |
CN110132281B (zh) | 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 | |
CN111220146B (zh) | 一种基于高斯过程回归学习的水下地形匹配定位方法 | |
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 | |
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 | |
CN114460649A (zh) | 一种深海近底拖曳式多道地震接收阵列形态重建方法 | |
CN116106875B (zh) | 岸基阵坐标联合校准方法、系统、电子设备及存储介质 | |
Mohammadloo et al. | Correcting multibeam echosounder bathymetric measurements for errors induced by inaccurate water column sound speeds | |
CN110618462B (zh) | 一种探测海底电缆的方法及装置 | |
Li et al. | A precise underwater positioning method by considering the location difference of transmitting and receiving sound waves | |
CN109212598B (zh) | 基于直达波反演的三维空间二次定位方法 | |
Seube et al. | Multibeam echo sounders-IMU automatic boresight calibration on natural surfaces | |
CN108761470B (zh) | 一种基于拖缆形态方程解析的目标定位方法 | |
CN110749861B (zh) | 一种基于多假设深度的水底固定目标的三维定位方法 | |
CN115184910B (zh) | 一种河道断面的单波束测量波束角效应的改正方法 | |
CN108896997B (zh) | 复杂地形条件下侧扫声呐探测结果改正方法 | |
CN111735436A (zh) | 一种基于3条以上均匀分布多波束数据的海底地形数据校验方法 | |
CN115032695B (zh) | 一种基于声学侧反射的海底管缆追踪式探测方法 | |
CN116523822A (zh) | 一种基于侧扫声呐的海缆检测识别方法 | |
CN112902931B (zh) | 无人船测深数据与定位数据之间延迟的测定和消除方法 | |
Huang et al. | The analysis of error sources and quality assessment for multibeam sounding products | |
CN112731409B (zh) | 一种多波束测深数据优化方法 | |
CN113189646B (zh) | 一种去除拖拽式浅剖地层异常起伏的方法 |
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 |