机载LiDAR测深点云SVB联合滤波算法

机载LiDAR测深(airborne LiDAR bathymetry, ALB)数据质量受海面破碎波浪、水体浮藻、鱼群及海底二次回波等多种因素影响。为剔除这些干扰产生的噪点，本文提出一种顾及水面、水体和水底(surface, volume, bottom, SVB)的联合滤波算法。针对水面噪点，通过构建双层布料模拟滤波模型分离水面点云；针对水体噪点，采用SOR(statistical outlier removal)滤波器剔除水体离群点；针对靠近地形主体的小尺度水底噪点，通过构建移动趋势面模型进行去噪平滑。为验证本文所提ALB滤波算法的性能，采用青岛胶州湾海域RIEGL VQ-840-G无人机载LiDAR测深数据进行验证，试验结果表明：SVB联合滤波算法对水面、水体、水底噪点一体化处理总体滤波精度和Kappa系数分别能够达到97.45%和0.947,在保证准确率的同时具有较高的效率。本文所提滤波算法可以较好地解决ALB点云滤波问题，能够为ALB测深数据点云滤波提供有效的解决方案。