机载LiDAR测深点云SVB联合滤波算法 |
| |
作者姓名: | 宿殿鹏 闫豆豆 陈亮 陈雨 董箭 吴迪 于孝林 |
| |
作者单位: | 山东科技大学测绘与空间信息学院,山东青岛266590;海军大连舰艇学院海洋测绘工程军队重点实验室,辽宁大连116018;中国科学院上海光学精密机械研究所,上海201800;山东科技大学测绘与空间信息学院,山东青岛266590;自然资源部海洋测绘重点实验室,山东青岛266590;中测瑞格测量技术(北京)有限公司,北京100125;海军大连舰艇学院海洋测绘工程军队重点实验室,辽宁大连116018 |
| |
基金项目: | 海洋环境保障创新开放基金;中国博士后科学基金;国家自然科学基金;国家自然科学基金;高端外国专家引进计划;山东科技大学科研创新团队支持计划;自然资源部海洋测绘重点实验室开放基金;青岛市关键技术攻关;产业化示范类项目 |
| |
摘 要: | 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。
|
关 键 词: | 机载LiDAR测深 SVB联合滤波 双层布料模拟 SOR滤波 移动趋势面拟合 |
本文献已被 万方数据 等数据库收录! |
|