CN119399063B 一种基于三角剖分的水下地形数据去噪方法 （宁波上航测绘股份有限公司）

(19)国家知识产权局(12)发明专利(10)授权公告号CN119399063B(65)同一申请的已公布的文献号(73)专利权人宁波上航测绘股份有限公司地址315000浙江省宁波市镇海区沿江东路221号(72)发明人胡晴峰沈国华杜晓鹏陈小康倪冉姚未正徐剑辉潘之平林新涛张陆锋于海波审查员何蒙蒙(74)专利代理机构宁波和丰君恒知识产权代理有限公司11466专利代理师郑黎明一种基于三角剖分的水下地形数据去噪方法一种基于三角剖分的水下地形数据去噪方云数据进行潮位改正、声速改正和姿态矫正以完成数据预处理；步骤二、对点云数据进行网格化格内，选择高程中位数作为样本点，基于网格样本点进行三角剖分，计算点到三角面的误差距离；步骤四、根据多级误差范围统计和动态权重断并剔除噪点，输出净化后的点云数据。本发明21.一种基于三角剖分的水下地形数据去噪方法，其特征在于：包括以下步骤：步骤一、对采集的水下地形点云数据进行潮位改正、声速改正和姿态矫正以完成数据预处理；步骤二、对点云数据进行网格化处理，并按地形特征划分区域；步骤三、在每个网格内，选择特征点作为样本点，基于网格样本点进行三角剖分，计算点到三角面的误差距离；步骤四、根据多级误差范围统计和动态权重优化，计算自适应阈值；步骤五、根据所述阈值判断并剔除噪点，输出去噪后的点云数据；所述多级误差范围统计包括以下步骤：然后定义多个误差范围，具体的，定义第一误差范所述自适应阈值通过以下公式计算：阈值=μ×(1+k₁ri+k₂r₂),2.根据权利要求1所述的一种基于三角剖分的水下地形数据去噪方法，其特征在于：所述区域划分基于地形起伏度和点密集度，按照以下规则划分为不同区域：平缓区域：起伏度低于设定阈值且点密集度适中；其中，地形起伏度和点密集度分别计算为：,密集)3.根据权利要求2所述的一种基于三角剖分的水下地形数据去噪方法，其特征在于：所述特征点为到其他点距离和最小点，特征点P₁与其他点距离和S的计算公式为：4.根据权利要求1所述的一种基于三角剖分的水下地形数据去噪方法，其特征在于：所述网格大小根据噪声密度、点密集度和地形起伏度动态调整，其计算公式为：5.根据权利要求1所述的一种基于三角剖分的水下地形数据去噪方法，其特征在于：所述误差距离计算方式如下：遍历网格内所有点，计算点到三角面的误差距离：34一种基于三角剖分的水下地形数据去噪方法技术领域[0001]本发明涉及水下地形数据处理技术领域，尤其涉及一种基于三角剖分的水下地形数据去噪方法。背景技术[0002]水下地形测量广泛应用于河道疏浚、吹填造陆工程的前期工程方量计算和后期工程验收。目前多采用单波束、多波束测深仪，利用换能器基阵的发射阵列向水底发射扇形声波，通过接收阵列接收水底反射回来的信号进行计算，得到测量区域内每个点的水深数据，其采集数据受水域浑浊度、仪器自身的噪声、搭载船身产生的干扰等多种因素影响，会产生大量的噪声数据，因此在经过数据配准后还需要进行降噪处理。专业软件提供了功能更丰富、且兼容多厂商设备的数据处理功能。这些软件也提供基础的数据降噪滤波算法，但在实际应用中存在滤波器种类繁多，滤波参数设置过于复杂，不当的参数会导致数据过于平滑或者保留过多噪声；有些滤波器的效果依赖于数据的预处理；可能会产生边界效应，在数据的边缘处缺少足够的邻域点进行计算，导致边界处的信息失真或者边界处的数据不连续会导致无法有效去除噪声，这在地形数据的处理中尤为明显等问题，在实际工作中并未被测绘工程师所采用。[0004]数据降噪作为一个普遍性的工程数据处理问题而被广泛研究，常用的算法包括自适应滤波、曲面拟合、法向修正等。沈蔚提出的基于阈值自适应确定的多波束点云滤波算法通过采用虚拟网格二次分层统计法结合k-Medoids坡度聚类剔除显著离群噪点，但是不能很好地保留陡坡与边坡边缘处地形信息；汪俊等人提出使用移动最小二乘法(MLS)对点云进行降噪，通过在局部区域内寻找最小二乘解来拟合平滑的曲面，此算法需要密集的采样和复杂的局部处理，不适合应用于需要快速处理大量数据的情况；卢钰仁等人提出的基于法向修正的双边滤波点云去噪处理通过空间单元格划分来构造最佳连通域，再结合法向修正和双边滤波技术精确去除噪声，但是去噪效果很大程度上依赖于初始法向的精确估计。发明内容[0005]本发明针对现有技术中的不足，提供一种基于三角剖分的水下地形数据去噪方法，结合分区域动态调整阈值、多级误差范围统计和动态权重优化，实现快速、高效的噪声[0006]为了解决上述技术问题，本发明通过下述技术方案得以解决[0007]为了实现上述目的，本发明采用了如下技术方案：[0008]一种基于三角剖分的水下地形数据去噪方法，包括以下步骤：[0009]步骤一、对采集的水下地形点云数据进行潮位改正、声速改正和姿态矫正以完成数据预处理；5[0011]步骤三、在每个网格内，选择特征点作为样本点，基于网格样本点进行三角剖分，计算点到三角面的误差距离；[0012]步骤四、根据多级误差范围统计和动态权重优化，计算自适应阈值；[0014]优选的，所述区域划分基于地形起伏度和点密集度，按照以下规则划分为不同区[0018]其中，地形起伏度和点密集[0021]优选的，所述特征点为到其他点距离和最小点，特征点P₁与其他点距离和S的计算公式为：[0023]优选的，所述网格大小根据噪声密度、点密集度和地形起伏度动态调整，其计算公[0026]优选的，所述误差距离计算方式如下：遍历网格内所有点，计算点到三角面的误差距离：6[0032]然后定义多个误差范围，具体[0034]定义第二误差范围[μ,μ+2权重调整系数。[0040]优选的，所述噪点剔除包括以下步骤：若某点的误差距离d,超过所述阈值，则标记为噪点并剔除。[0042]本发明提供一种基于三角剖分的水下地形数据去噪方法，结合分区域动态调整阈[0043]本发明通过分析点云数据的密集度、起伏度以及分布特征，动态调整网格的大小，以优化后续计算效率和精度。[0044]本发明可根据区域特性动态调整阈值，适应复杂地形，通过多级误差范围统计结合动态权重优化，精准识别噪点；结合均衡网格分块和多线程技术，加速大规模数据计算。附图说明[0045]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附[0046]图1为本发明的整体流程示意图；[0047]图2为水下地形数据去噪前光谱图像示意图一；[0048]图3为采用本方法去噪的水下地形数据光谱图像示意图一；[0049]图4为水下地形数据去噪前光谱图像示意图二；[0050]图5为采用本方法去噪的水下地形数据光谱图像示意图二。7具体实施方式[0051]下面结合附图进一步详细描述本发明。[0052]以下描述用于揭露本发明以本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变形。在以下描述中界定的本发明的基本原理可以用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。[0053]请参阅图1-图5,一种基于三角剖分的水下地形数据去噪方法，包括以下步骤：[0054]步骤一：对采集的水下地形点云数据进行潮位改正、声速改正和姿态矫正以完成准化输入。数据预处理包括以下步骤：[0059]根据声速剖面修正声波传播误差：[0063]修正因船体倾斜导致的测量偏差。[0064]步骤二：对点云数据进行网格化处理，并按地形特[0065]1、点云数据网格化，其目的是将海量的数据划分为小块(网格)以提高处理效率。[0066]网格化的方法：对点云数据在XY平面上均匀划分：[0070]在区域划分中地形起伏度阈值的设定：本申请使用高程数据来表示地形的起伏度，将高程差的最大值作为起伏度的衡量标准，并设定一个起伏度阈值(即50米)。如果区域的最大高程差大于50米，则将其划分为陡峭区域；否则，进一步根据点密集度来[0071]进一步对点密集度阈值的设定：点密集度通过计算单位面积内的点数来衡量，设定点密集度适中的范围(即每平方米有10到50个点)。如果区域的点密集度落在这个范围内，则将其划分为平缓区域；如果低于这个范围的最小值(即每平方米少于10个点)为点密[0072]按照上述规则划分为不同区域：8[0081]其中max(Z)和min(Z)的选择时避免其为噪点的影响。[0082]步骤三：在每个网格内，选择高程中位数作为样本点，基于网格样本点进行三角剖分，计算点到三角面的误差距离。[0084]特征点为到其他点距离和最小点，特征点P与其他点距离和S的计算公式为：[0088]最大化最小角：避免生成细长三角形。[0092]步骤四：根据多级误差范围统计和动态权重优化，计算自适应阈值。[0094]多级误差范围统计包括以下步骤：[0098]定义第一误差范围[0,μ]的点数比例r1:CN119399063B说明书6/7页9[0100]定义第二误差范围[μ,μ+2σ]的点数比例r2:[0102]其中，σ为标准差，N为总点数，M₁,M₂分别为各范围内点的数量。[0104]根据ri,r2,动态计算权重k,k₂[0107]3、自适应阈值公式[0108]根据权重和误差范围比例计算阈值：[0110]4.分区域优化[0111]不同区域调整权重参数：[0116]需要说明的是，关于初始权重和初始调整系数的确定：[0118]经验法则：根据数据特性设定初始值，或从文献中参考类似方法。[0119]实验调优：通过实验调整，逐步找到最佳值。[0120]数据统计分析：基于数据误差的均值和标准差来估算初始权重。[0122]经验法则：通过经验设定或实验验证权重调整系数。[0123]回归分析：通过回归分析确定系数。[0124]动态优化：通过迭代优化动态权重调整系数。[0125]步骤五：根据阈值判断并剔除噪点，输出净化后的点云数据。[0126]噪点判断：对每个点，若d;>阈值，标记为噪点。[0127]剔除噪点：剔除噪点，保留净化后的数据点。[0128]保存结果：将净化后的点云数据按网格输出，供后续工程使用。[0129]本发明可根据区域特性动态调整阈值，适应复杂地形，通过多级误差范围统计结合动态权重优化，精准识别噪点，结合均衡网格分块和多线程技术，加速大规模数据计算。[0130]本发明的通过分析点云数据的密集度、起伏度以及分布特征，动态调整网格的大小，以优化后续计算效率和精度。取得更好的技术效果。[0131]具体的，方案框架如下：[0132]分析数据特性：[0133]点密集度：计算数据点的分布密度，识别高密度区域和低密度区域。[0134]地形起伏度：通过高程值的变化范围，识别地形陡峭和平缓的区域。[0135]设定网格调整规则：[0136]高密度区域使用较小网格，确保局部细节得到保留。[0137]地形起伏