[发明专利]一种海底声呐点云数据处理方法

说明书

本发明公开了一种海底声呐点云数据处理方法，首先根据声呐点云的特性进行点云数据的融合与去燥，然后针对声呐点云的几何特性进行分区的点云精简，最后利用基于同心圆局部扩张的点云孔洞修补算法进行四维海底声呐点云孔洞的修补的海底点云数据处理方法；经本发明相关方法处理后的点云数据便于滤波算法对声呐点云数据中的人工目标进行识别与检测，既节省了人工对声呐图像数据判读所消耗的时间，又提高了人工目标识别算法的精确性，具有十分重大的意义。

技术领域

本发明属于点云图像处理技术领域，具体涉及一种海底声呐点云数据处理方法。

背景技术

我国目前用于探测海底的装置为海底侧扫声呐，通过声呐侧扫的方式获得了大量的侧扫声呐扫描图像。侧扫声呐装置不但可以利用影像直观地描述海底人工目标的几何特性与海底形貌状况，而且通过对声呐数据三维坐标的分析可以对海底人工目标进行准确的定位，但如何有效利用声呐数据实现对海底人工目标准确和快速的判读是首先要解决的难题。当前针对海底声呐数据的判读主要依靠判读人员通过目视进行，然而随着大规模扫海工作的推进，会产生海量的待判读声呐数据。判读人员通常要对这类海量声呐数据进行回放识别，这极大地增加了判读人员的工作量。目前海底声呐图像主要包括两类，一类是经侧扫声呐对海底进行扫描探测所获得的包含经度、纬度和回声强度的三维点云图像，另一类是经原始点云图像进行解析变换形成的二维影像数据。二维声呐图像由于受水下环境和声呐自身特性的影响，生成的图像质量较差，噪声干扰严重，细节模糊，与光学图像存在着很大的区别，单纯针对声呐二维影像处理不易于海底目标的检测。

发明内容

本发明的目的是提供一种海底声呐点云数据处理方法，解决了现有技术中存在的人工对声呐图像数据判读,准确性不高的问题。

本发明所采用的技术方案是，首先，针对侧扫声呐数据与多波束测深系统测深数据的特点进行了分析，将两种数据进行融合，形成四维点云数据。侧扫声呐在测量过程中由于多种因素会存在误差，受误差影响令原始点云数据存在很多噪声点。本发明将噪声分为离群的高频噪声和靠近点云主体的低频噪声两类，针对不同的噪声分别应用不同方法进行处理：应用基于近邻点平均距离的滤波算法去除高频噪声，对低频噪声应用基于双边滤波的各向异性光顺去噪算法对低频噪声进行滤波。

其次，融合后海底声呐点云数据点总量为百万级，且点与点之间密度分布不均匀。庞大且分布不均匀的采样点集增加了数据存储和处理的难度。因此，原始海底声呐点云数据的简化处理亟待解决。整块点云数据由平坦区域和高低起伏的几何特征不同的区域组成，并且几何特征明显的区域点云数据极有可能蕴含着海底人工目标。针对海底声呐点云数据的采样点数量庞大且分布不均匀、特征点多的特性，本发明提出了一种基于海底声呐点云特征的分区精简方法。首先，使用kd-tree进行点的k邻域查找。其次，针对采样点与其相邻点的曲率与法向量差和局部平均距离等定义了采样点的特征值，应用基于区域生长的方式进行点云区域的分割。最后，依据分割区域的标准对平坦区域和非平坦区域应用不同的点云精简方式，自动调整精简策略。该算法提高了平坦区域点云精简率，降低了非平坦区域的精简率，实现了对原始点云特征区域的高度保持，在提高精简率、精简效率和特征保留度方面与传统全局精简算法相比具有明显优势。

最后，由于受声呐测量原理和海底海貌特征的影响，经过点云精简后的数据会存在细小的孔洞，且孔洞的特点为孔洞边界凹凸不平分布不均匀。与传统三维点云不同的是，海底声呐数据除包含x、y和z三维坐标外，存在第四维回声强度坐标i。为此，本发明将海底声呐精简后点云作为待修补对象，针对海底声呐点云孔洞特点改进了基于局部扩张同心圆的点云孔洞修补算法，并以此为基础加入了第四维声强信息的修补，实现对海底声呐点云数据的最终处理。