CN111144318B - 一种水下声呐***点云数据降噪方法 - Google Patents

一种水下声呐***点云数据降噪方法 Download PDF

Info

Publication number
CN111144318B
CN111144318B CN201911380561.8A CN201911380561A CN111144318B CN 111144318 B CN111144318 B CN 111144318B CN 201911380561 A CN201911380561 A CN 201911380561A CN 111144318 B CN111144318 B CN 111144318B
Authority
CN
China
Prior art keywords
point cloud
cloud data
data
noise
noise reduction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911380561.8A
Other languages
English (en)
Other versions
CN111144318A (zh
Inventor
吕杰
黄凯钢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Lianshitai Electronic Information Technology Co ltd
Original Assignee
Suzhou Lianshitai Electronic Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Lianshitai Electronic Information Technology Co ltd filed Critical Suzhou Lianshitai Electronic Information Technology Co ltd
Priority to CN201911380561.8A priority Critical patent/CN111144318B/zh
Publication of CN111144318A publication Critical patent/CN111144318A/zh
Application granted granted Critical
Publication of CN111144318B publication Critical patent/CN111144318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种水下声呐***点云数据降噪方法，包括以下步骤：(1)基于水声信号反射原理，去除点云数据中没有连通区域的离散数据点；(2)针对点云数据进行旁瓣效应抑制；(3)基于连续多帧点云数据的相关性对噪声进行去除；(4)对点云数据进行动态归一化以处理去除噪声数据和背景数据；(5)针对三维数据结构的点云数据，根据三维点云数据的实际物理含义，将物理上没有意义的点云数据去除。分别对不同噪声采用不同的降噪策略以实现对点数数据进行全面的降噪，提升降噪效果。

Description

一种水下声呐***点云数据降噪方法
技术领域
本发明属于信号处理技术领域，具体涉及一种水下声呐***点云数据降噪方法。
背景技术
水下声呐成像是基于声呐点云数据的，因此点云数据的处理好坏直接决定水下声呐成像以及后续一系列声呐数据处理过程，包括从点云数据中提取有用的目标信息，检测水中物体等。由于水中超声信号在原理上会产生特定的水声效应，包括旁瓣效应、混响效应等，并且在信号采集、信号传输过程中也会产生一定的噪声信号，从根源上无法彻底解决数据噪声的问题。噪声的干扰会对目标检测、识别、跟踪等算法带来一定的困难，在数据预处理模块就要对点云数据进行一定的降噪处理能够极大的方便后续流程。
申请公布号为CN105785349A的专利申请公开了一种相控阵三维声学摄像声呐的噪声去除方法，该噪声去除方法对噪声进行统一去除，没有进行分类去噪，会造成去噪效果欠佳。
申请公布号为CN109035224A的专利申请公开了一种基于多波束点云的海底管道检测与三维重建方法，在该种海底管道检测与三维重建方法中，采用基于密度分析的点云去噪滤波方法对管道的点云数据进行去噪，该单一的去噪方法的去噪效果也欠佳。
发明内容
本发明的目的是提供一种水下声呐***点云数据降噪方法，分别对不同噪声采用不同的降噪策略以实现对点数数据进行全面的降噪，提升降噪效果。
为实现上述发明的目，本发明提供以下技术方案：
一种水下声呐***点云数据降噪方法，包括以下步骤：
(1)基于水声信号反射原理，去除点云数据中没有连通区域的离散数据点；
(2)针对点云数据进行旁瓣效应抑制；
(3)基于连续多帧点云数据的相关性对噪声进行去除；
(4)对点云数据进行动态归一化以处理去除噪声数据和背景数据；
(5)针对三维数据结构的点云数据，根据三维点云数据的实际物理含义，将物理上没有意义的点云数据去除。
相较于现有的技术，本发明具有以下有益的技术效果：
(1)本发明提供的水下声呐***点云数据降噪方法能够显著提高信号有效性，对于数据中的噪声信号能够有效的抑制，因此该降噪方法能够为之后的数据处理流程提供有效的数据支撑，对于水下声呐***而言具有重要的意义。
(2)本发明提供的水下声呐***点云数据降噪方法实现简单，使用现有简单的滤波技术，针对水下声呐***点云数据中的噪声特点以及水下声呐***的流程等进行特定场景的降噪处理，针对性强，实用效果好。
(3)本发明提供的水下声呐***点云数据降噪方法还可以根据实际应用场景进行微调，以提高点云数据在实际应用场景中的噪声去除效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，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前提下，还可以根据这些附图获得其他附图。
图1是实施例提供的水下声呐***处理数据步骤的流程图；
图2是实施例提供的水下声呐***点云数据噪声分类示意图；
图3是实施例提供的水下声呐***点云数据降噪方法的流程图；
图4是实施例提供的水下声呐***点云数据降噪方法中的旁瓣效应抑制步骤流程图；
图5是实施例提供的水下声呐***点云数据降噪方法中的动态归一化步骤流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
图1是实施例提供的水下声呐***处理数据步骤的流程图。如图1所示，水下声呐***的主要处理流程由A/D芯片采集原始信号，随后进行波束形成处理变成该降噪方法所需要处理的点云数据类型，随后利用该降噪方法进行点云数据降噪处理，经过处理后的数据再根据实际的应用场景进行障碍检测、目标识别或是实时图像显示等。
图2是实施例提供的水下声呐***点云数据噪声分类示意图。如图2所示，水下声呐***点云数据中主要噪声有：由于声学原理造成的旁瓣效应，线路传输、信号采样等造成的高斯噪声，声学反射衍射等造成的信号混响等。这些信号有些是有一定规律的规律噪声，如旁瓣效应。有些是成随机分布的随机噪声，如信号反射、衍射噪声，传输噪声。
图3是实施例提供的水下声呐***点云数据降噪方法的流程图。如图3所示，该水下声呐***点云数据降噪方法包括：
S101，基于水声信号反射原理，去除点云数据中没有连通区域的离散数据点。
基于水声信号反射原理，水声信号照射到目标物体后会在物体周围产生一定的衍射现象，基于此特点，对于单点信号强度较高，但是与周围阵元信号没有关联的点认为是噪声点，应予以去除。通过去除没有连通区域的离散点，能够将点云数据中大部分离散噪声信号进行去除，对于水下声呐点云信号来说，经过初步处理能够达到较为理想的初步去噪效果。
声呐***点云数据噪声主要是一些高斯噪声，在S101的基础上，采用均值滤波方法对点云数据进行降噪处理，以减少点云数据中的随机噪点。该方法能够对S101仍存在的小部分噪声进行滤波操作。
S102，针对点云数据进行旁瓣效应抑制。
对于声学效应中的旁瓣效应，根据旁瓣特点，第一旁瓣值远小于主瓣值，将旁瓣值去除或降低，以去除旁瓣效应带来的噪声污染，几乎所有强目标数据点都有旁瓣效应，因此该步骤是必须且相对有效的。
对于目标数据而言，其目标主瓣的数据相对数量级都是一致的，而对于背景无目标的数据而言，相对数量级较低。按照相同层级中小于主瓣信号一定阈值的数据点都进行去除能够有效的对旁瓣抑制。在抑制旁瓣的同时，对于其他有用数据也不会被抑制掉，因此具有较好的实际可操作性。
图4是实施例提供的水下声呐***点云数据降噪方法中的旁瓣效应抑制步骤流程图，如图4所示，旁瓣效应抑制步骤包括：
针对每层采集的点云数据，取出相同物理距离的点云数据，并从中找出最大值的点云数据，将该最大值预设百分比作为筛选阈值，遍历每层所有点云数据，将超过每层对应的筛选阈值的点云数据去除，以去除旁瓣效应带来的噪点；
除了去除旁边效应带来的噪声点外，旁瓣效应抑制步骤还包括：将小于最大值预设百分比的点云数据均乘一定的系数以降低旁瓣效应带来的噪点。
S103，基于连续多帧点云数据的相关性对噪声进行去除。
由于存在目标的点云数据在连续多帧中都会存在，而对于噪声而言，数据在连续多帧中具有相对随机性，因此可以采用多帧滤波方法去除无相关性的随机噪声，具体过程为：
针对连续多帧数据中相关性较低的点云数据，直接去除；
针对连续多帧数据中相关性较高的点云数据，通过连续多帧的相同位置的中值滤波方法去除图像中的噪点，即利用连续多帧中相同位置的数据均值替代每帧该位置的数据值。
实施例中，将每组连续n帧数据中出现次数小于预设频数的点云数据认为是相关性较低的点云数据，剩下点云数据为相关性较高的数据，一般预设频数小于1/2n。
当数据源是动态时，也就是采集声呐为运动型时，即探测传感器相对于目标水域是相对运动时，连续多帧数据中，可能会因为探测传感器的相对运动会造成同一目标对应的声呐数据出现在不同的位置，这样会对目标和噪声造成误判断，因此针对采集的动态点云数据，在进行基于连续多帧点云数据的相关性对噪声进行去除前，根据探测传感器的姿态矫正信息对动态点云数据进行矫正。即通过姿态传感器将声呐位置偏移加入到声呐点云数据中去，以实现对动态点云数据的矫正，进而保证多帧数据之间的数据具有相关可比性。
在进行连续多帧相关性处理时，针对每组连续多帧，点云数据中加入偏移值后与之前帧没有重叠部分的数据仍保留原始数据，因为在后续每组连续多帧的相关性处理过程中可能会用到。
基于声呐探测原理，其探测范围可至数百米远，而连续多帧之间的偏移往往仅有几米，因此连续多帧之间点云数据的重叠率是相对较高的，由此可见基于连续多帧点云数据的相关性对噪声进行去除的可用性很强。
S104，对点云数据进行动态归一化以处理去除噪声数据和背景数据。
具体地，如图5所示，通过对S101～S103处理完成后的点云数据进行数据强度值的统计，将统计数据强度值的均值乘以预设百分比作为归一化筛选阈值，便利所有点云数据，将超过归一化筛选阈值的点云数据去除，以实现对点云数据进行动态归一化操作以去除噪声数据和背景数据。
实施例中通过对点云数据的动态归一化操作，对于相对强度值较低的噪声数据和无目标的背景数据会被进一步滤除，能够更好的突出点云数据中的目标数据。
S105，针对三维数据结构的点云数据，根据三维点云数据的实际物理含义，将物理上没有意义的点云数据去除。
对于具有三维数据结构的点云数据来说，可以根据其物理意义进行进一步处理。三维点云数据相比二维点云数据来说增加了实际物理上的深度信息，基于此特点能够将物理上没有意义的点进行去除。具体地，可以将深度方向上超出水面以及低于水底面的点云数据进行去除。
上述水下声呐***点云数据降噪方法能够显著提高信号有效性，对于数据中的噪声信号能够有效的抑制，因此该降噪方法能够为之后的数据处理流程提供有效的数据支撑，对于水下声呐***而言具有重要的意义。
上述水下声呐***点云数据降噪方法实现简单，使用现有简单的滤波技术，针对水下声呐***点云数据中的噪声特点以及水下声呐***的流程等进行特定场景的降噪处理，针对性强，实用效果好。
上述水下声呐***点云数据降噪方法还可以根据实际应用场景通过对筛选阈值进行微调，以提高点云数据在实际应用场景中的噪声去除效果。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种水下声呐***点云数据降噪方法，其特征在于，包括以下步骤：
(1)基于水声信号反射原理，去除点云数据中没有连通区域的离散数据点；
(2)针对点云数据进行旁瓣效应抑制，包括：针对每层采集的点云数据，取出相同物理距离的点云数据，并从中找出最大值的点云数据，将该最大值预设百分比作为筛选阈值，遍历每层所有点云数据，将超过每层对应的筛选阈值的点云数据去除，以去除旁瓣效应带来的噪点，同时，将小于最大值预设百分比的点云数据均乘一定的系数以降低旁瓣效应带来的噪点；
(3)基于连续多帧点云数据的相关性对噪声进行去除，针对连续多帧数据中相关性较低的点云数据，直接去除；针对连续多帧数据中相关性较高的点云数据，通过连续多帧的相同位置的中值滤波方法去除图像中的噪点，即利用连续多帧中相同位置的数据均值替代每帧该位置的数据值；
在进行连续多帧相关性处理时，针对每组连续多帧，点云数据中加入偏移值后与之前帧没有重叠部分的数据仍保留原始数据；
(4)对点云数据进行动态归一化以处理去除噪声数据和背景数据；
(5)针对三维数据结构的点云数据，根据三维点云数据的实际物理含义，将物理上没有意义的点云数据去除。
2.如权利要求1所述的水下声呐***点云数据降噪方法，其特征在于，在步骤(1)的基础上，采用均值滤波方法对点云数据进行降噪处理，以减少点云数据中的随机噪点。
3.如权利要求1所述的水下声呐***点云数据降噪方法，其特征在于，针对采集的动态点云数据，在进行基于连续多帧点云数据的相关性对噪声进行去除前，根据探测传感器的姿态矫正信息对动态点云数据进行矫正。
4.如权利要求1所述的水下声呐***点云数据降噪方法，其特征在于，步骤(4)中，通过对步骤(1)～步骤(3)处理完成后的点云数据进行数据强度值的统计，将统计数据强度值的均值乘以预设百分比作为归一化筛选阈值，便利所有点云数据，将超过归一化筛选阈值的点云数据去除，以实现对点云数据进行动态归一化操作以去除噪声数据和背景数据。
CN201911380561.8A 2019-12-27 2019-12-27 一种水下声呐***点云数据降噪方法 Active CN111144318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911380561.8A CN111144318B (zh) 2019-12-27 2019-12-27 一种水下声呐***点云数据降噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911380561.8A CN111144318B (zh) 2019-12-27 2019-12-27 一种水下声呐***点云数据降噪方法

Publications (2)

Publication Number Publication Date
CN111144318A CN111144318A (zh) 2020-05-12
CN111144318B true CN111144318B (zh) 2023-08-29

Family

ID=70521132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911380561.8A Active CN111144318B (zh) 2019-12-27 2019-12-27 一种水下声呐***点云数据降噪方法

Country Status (1)

Country Link
CN (1) CN111144318B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111681667B (zh) * 2020-06-23 2021-05-04 青岛科技大学 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法
WO2022186103A1 (ja) * 2021-03-02 2022-09-09 パイオニア株式会社 情報処理装置、情報処理方法、プログラム及び記憶媒体
CN117538881B (zh) * 2024-01-10 2024-05-07 海底鹰深海科技股份有限公司 一种声呐水体成像波束形成方法、***、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106643671A (zh) * 2016-12-01 2017-05-10 江苏省测绘工程院 一种基于机载LiDAR测深***的水下点云去噪方法
CN109035224A (zh) * 2018-07-11 2018-12-18 哈尔滨工程大学 一种基于多波束点云的海底管道检测与三维重建方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106643671A (zh) * 2016-12-01 2017-05-10 江苏省测绘工程院 一种基于机载LiDAR测深***的水下点云去噪方法
CN109035224A (zh) * 2018-07-11 2018-12-18 哈尔滨工程大学 一种基于多波束点云的海底管道检测与三维重建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
牛蕾.SAR图像舰船目标去旁瓣处理.《雷达科学与技术》.2018,第197-200页. *

Also Published As

Publication number Publication date
CN111144318A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN111144318B (zh) 一种水下声呐***点云数据降噪方法
CN108776336B (zh) 一种基于emd的自适应穿墙雷达静止人体目标定位方法
CN104103041B (zh) 超声图像混合噪声自适应抑制方法
CN108354627B (zh) 一种提高帧频的超声波束形成方法
CN112750090A (zh) 一种改进小波阈值的水下图像降噪方法及***
CN112926014A (zh) 基于rls与rssd的滚动轴承声信号多频带融合故障诊断方法
CN115453497A (zh) 一种低信噪比稀疏雷达信号的滤波方法及***
Zhang et al. A reverberation noise suppression method of sonar image based on shearlet transform
CN104166975A (zh) 一种复杂环境下低空红外目标检测算法
CN111766306A (zh) 一种全聚焦成像方法及装置
CN116452439A (zh) 一种针对激光雷达点云强度图像的降噪方法及装置
CN116612032A (zh) 基于自适应维纳滤波和2d-vmd的声呐图像去噪方法及设备
CN105487056A (zh) 一种s波段多普勒雷达破碎波干扰抑制的方法和装置
CN114170239A (zh) 基于分级搜索的大视场自适应壁滤波方法及***
Xiao et al. Underwater image classification based on image enhancement and information quality evaluation
KR101813357B1 (ko) 수중 고정표적과 클러터 식별을 위한 가변 데이터 맵 및 가변 통계적 특징정보를 적용하는 클러터 제거 방법 및 장치
CN103584886B (zh) 一种基于相位相干信息的自适应变迹方法
CN113625286A (zh) 基于相干特征的强稳健性截断相干系数超声波束形成方法
JP3366872B2 (ja) 超音波診断装置
CN112634222A (zh) 一种sar图像舰船目标检测方法
CN112230200A (zh) 一种基于激光雷达回波信号的改进型组合降噪方法
CN117607876B (zh) 一种被动声纳多波束窄带信号检测方法及***
CN117726561B (zh) 一种血管内超声图像处理方法及相关装置、存储介质
CN113379906B (zh) 一种基于超像素滤波的单光子三维图像重建方法及***
CN103487794A (zh) 一种基于小波包变换的水底混响抑制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant