基于海底回波增强的机载LiDAR测深水体旅行时提取算法

机载LiDAR测深（Airborne LiDAR Bathymetry, ALB）技术具有高精度、高效率、强机动性、水陆两用等优势,特别适合海岸带、海岛礁等浅水海域复杂地形的快速探测。激光穿透水体时能量将迅速衰减,导致部分海底回波难以有效提取,海底真实位置判别困难。为此,本文提出一种基于回波增强的机载LiDAR测深水体旅行时提取算法。通过Gold去卷积算法来恢复目标横截面形状,确定海底初始回波范围;随后采用双指数函数拟合水体后向散射有效范围,进而求取波形漫衰减系数K_d值;最后结合海底激光雷达方程,利用K_d值对海底初始回波范围内波形进行增强,并利用高斯函数分解增强后回波,确定海底位置参数,从而实现ALB波形的水体旅行时提取。利用青岛胶州湾RIEGL VQ-840-G ALB实验数据对本文算法的可行性进行验证,将本文算法与理查德森-露西（Richardson-Lucy,RL）去卷积模型、峰值探测模型进行了比对,结果表明本文算法与单波束同名点之间高程误差的均方根误差（Root Mean Square Error, RMSE）为18.5 cm,较上述两种算法分别降低了29.9%、41.4%。因此,本文算法具有可行性,能够满足ALB波形的水体旅行时高精度提取,可为机载LiDAR测深数据精细化处理提供一定技术支撑。     

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。