CN113567968B - 一种基于浅水多波束水深数据的水下目标实时分割方法及应用 - Google Patents
一种基于浅水多波束水深数据的水下目标实时分割方法及应用 Download PDFInfo
- Publication number
- CN113567968B CN113567968B CN202110569967.1A CN202110569967A CN113567968B CN 113567968 B CN113567968 B CN 113567968B CN 202110569967 A CN202110569967 A CN 202110569967A CN 113567968 B CN113567968 B CN 113567968B
- Authority
- CN
- China
- Prior art keywords
- points
- water depth
- clustering
- point
- segmentation
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 81
- 230000011218 segmentation Effects 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 239000002023 wood Substances 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 102220335394 rs1554841994 Human genes 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/523—Details of pulse systems
- G01S7/526—Receivers
- G01S7/527—Extracting wanted echo signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/534—Details of non-pulse systems
- G01S7/536—Extracting wanted echo signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/56—Display arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于浅水多波束水深数据的水下目标实时分割方法,采用RANSAC平面分割去掉地形背景再结合欧式距离聚类能够有效分割如石块、沉船、木头等水下目标,在分割前和分割后都需要进行滤波处理,根据水深结合多波束***参数合理地设置阈值是分割成功的关键。本发明实现了利用走航多波束快速检测水下障碍物的目的。第五代浅水多波束***具有高分辨率、高精度等特性,能够探测厘米级的水下目标,目前关于声呐的探测基本上都是基于图像的检测,本发明直接基于水深点数据进行检测并三维重构,在显示上较二维图像更直观。本发明克服了人工目视寻找目标的缺陷,能够精确给出目标的三维属性并显示和标记,有效地提高了水下目标探测的效率。
Description
技术领域
本发明涉及水底地形观测和水下目标探测技术领域,具体涉及一种基于浅水多波束水深数据的水下目标实时分割方法及应用。
背景技术
随着长江流域经济的快速发展,长江已成为世界上通货量最大、运输最为繁忙的通航河流,为了维护长江航道通航能力,如何快速高效地进行水下碍航物探测和清理是实现长江航道运力最大化的保障之一。以Kongsberg EM2040、Reson T50P、Sonic2024为代表的第五代浅水多波束测深***普遍具有宽覆盖、高精度、高分辨率等特点,不仅能获得精细的水下地形,还能实现航行障碍物探测、水下建筑物监测、水下物体搜寻、水下清淤扫测等目的,多波束水下测量技术已成为长江航道“数字航道”建设的核心测量技术。
目前,基于多波束的水下目标自动化探测大多利用后向散射图像和水体图像数据在后处理时进行,且识别率低,还没有多波束硬件和软件利用水深点数据进行实时目标探测的应用。基于三维激光点云的目标识别和重建技术在地面测量中已获得广泛应用,而浅水多波束***同样能获得水下目标的高密度点云且分割目标通常较为单一,分割场景简单,但是目前仅用于定性分析,主要通过测量员利用显示软件目视找出目标位置。
点云分割是根据点云的空间、几何和纹理等特征对点云进行划分,使得同一划分点云具有相似特征,目前点云的分割方法主要有基于边的方法、基于面的方法、基于聚类的方法和混合分割方法,其中基于边的分割方法优点是速度快,对明显边界识别能力强,但是容易受测量噪声影响,因此不适用于多波束的点云分割;基于面的分割方法主要有区域生长法和RANSAC随机抽样一致性算法,这两种算法都比较依赖给定的平面分割阈值,区域生长法需要设定法线角度差和曲率两个阈值,而RANSAC算法需要设定离群点到拟合平面的容忍距离;区域生长法能一次性分割出多个平面特征,对规则平面如四四方方的建筑物等分割较好,但是难以处理噪点较多且凹凸不平的地面,因此不适用于多波束的点云分割。基于面的分割方法的缺陷是无法分割出非平面特征,对于多波束数据,平面分割能区分水下的平坦地形背景和混合目标,但是无法将多个目标分割开来。基于聚类的方法利用点云的局部几何特征参数,例如高斯曲率、平均曲率、法矢量、坐标、距离等进行聚类,为了加速邻域点的搜索,通常采用KD-tree进行索引,但是聚类算法对噪声敏感。
通过上述分析,现有技术存在的问题及缺陷为:
1、目前,使用多波束扫海技术自动寻找水下目标的方式主要是利用二维图像数据,还没有利用三维水深点数据进行水下目标分割和探测的应用。
2、多波束水深数据大多存在噪点,给水下目标的分割造成了极大阻碍。
发明内容
本发明的技术任务是针对现有技术的不足,提供一种基于浅水多波束水深数据的水下目标实时分割方法及应用,能够解决利用多波束进行水下目标扫测依赖人工目视检测的问题。
本发明解决其技术问题所采用的技术方案是:
1、本发明提供一种基于浅水多波束水深数据的水下目标实时分割方法及应用,包括如下步骤:
S1、实时接收30~50ping多波束原始数据至缓冲区并进行波束点归位计算;
S2、采用半径滤波器,以平均水深的3%~5%作为滤波半径对缓冲区内的水深点进行大尺度噪点滤波;
S3、采用平均水深的8%~10%作为平面距离阈值对滤波后的水深点进行RANSAC平面分割,对分割后的局外点和局内点进行平均深度比较,判断局外点所在目标特征的凹凸性,若为凹陷则交换局外点和局内点;
S4、将分割出来的局外点进行欧式距离聚类得到单个聚类目标,将单个目标聚类点数小于5的聚类目标剔除;
S5、计算各个聚类目标的体积、中心位置等属性并三维显示,清空缓冲区并重复步骤S1~S4。
进一步地,所述步骤S2中,采用半径滤波器进行滤波时,若该半径范围内的其余波束点个数小于2则该点视为离群点;若采集的多波束数据质量较差,可适当放宽离群点数值限制。
进一步地,所述步骤S3中,平面距离分割阈值设置为缓冲区内所有经过滤波后水深点的平均水深的8%~10%,若局外点占比超过50%,则采用最小中值方差采样一致性方法进行平面分割,平面分割完成后将背景地形的水深点剔除。
进一步地,所述步骤S3中,采用RANSAC平面分割算法解算平面参数的具体公式为:
式中,a、b、c为平面方程ax+by+cz+1=0的参数,x、y、z为水深点的坐标。
进一步地,所述步骤S4中,聚类距离阈值设置为平均水深的8%~10%;若聚类目标含有较多噪点,需要设置最小聚类点数,一般设置为5即可,将低于此聚类点数的聚类目标删除。
进一步地,所述步骤S4中,欧式距离聚类是一种最近邻聚类算法,通过计算相邻点之间的欧式距离:
将离散的点集按照一定的距离尺度划分为一系列的点簇,给定聚类距离d(水深的8%~10%),如果两个相邻点之间的欧式距离小于或等于d,那么这两个点将被聚为同一类;否则为不同类,具体实现流程为:
建立一个KD树存储点云数据P,设置一个空的点簇链表C和空队列Q;对每个点pi∈P,添加pi到当前队列Q,对每个点pi∈Q:以d为半径,搜索点pi的邻域点(符合欧式距离小于或等于d的原则)存入对每个/>检查该点是否被处理过,如果没有,则加入Q,当链表中所有在Q中的点都被处理过时,把Q加入到链表C中,Q置空;当所有P中的点都被处理过时,终止。
2、本发明另提供一种基于浅水多波束水深数据的水下目标实时分割方法的应用,其特征在于,基于权利要求1所述的浅水多波束水深数据的水下目标实时分割方法,进行水下碍航物探测和清理。
本发明的一种基于浅水多波束水深数据的水下目标实时分割方法及应用与现有技术相比,所产生的有益效果是,
本发明针对高密度多波束水深点数据,通过归位计算、自动滤波等预处理,对处理后的多波束水深点数据采用基于RANSAC平面分割和欧式距离聚类的混合分割方法,实现了水下目标的实时快速分割以及物理属性和地理属性标定。该方法的实现无需用户干预,全自动化处理,目标分割效果良好。
采用RANSAC平面分割去掉地形背景再结合欧式距离聚类能够有效分割如石块、沉船、木头等水下目标,在分割前和分割后都需要进行滤波处理,根据水深结合多波束***参数合理地设置阈值是分割成功的关键。本发明实现了利用走航多波束快速检测水下障碍物的目的。第五代浅水多波束***具有高分辨率、高精度等特性,能够探测厘米级的水下目标,目前关于声呐的探测基本上都是基于图像的检测,本发明直接基于水深点数据进行检测并三维重构,在显示上较二维图像更直观。
说明书附图
图1为较佳实施例的流程示意图;
图2为本发明实施例提供的半径滤波示意图;
图3为本发明实施例提供的沉船分割结果示意图;
图4为本发明实施例提供的多组水下目标分割结果示意图;
图5为本发明实施例提供的浅水多波束水下目标检测***流程图;
图6为本发明实施例提供的浅水多波束水下目标实时分割***的示意图。
具体实施方式
下面结合附图1-6,对本发明的一种基于浅水多波束水深数据的水下目标实时分割方法及应用作以下详细地说明。
如附1-6所示,本发明的一种基于浅水多波束水深数据的水下目标实时分割方法及应用,包括如下步骤:
S1、实时接收30~50ping多波束原始数据至缓冲区并进行波束点归位计算;
S2、采用半径滤波器,以平均水深的3%~5%(EM2040标称测深精度的10倍)作为滤波半径对缓冲区内的水深点进行大尺度噪点滤波;例如300kHz短脉宽发射模式在20m水深精度为3cm,滤波半径设为0.1m。
S3、采用平均水深的8%~10%作为平面距离阈值对滤波后的水深点进行RANSAC平面分割,对分割后的局外点和局内点进行平均深度比较,判断局外点所在目标特征的凹凸性,若为凹陷则交换局外点和局内点;具体过程如下:
S31:在局部范围内,可以假设水底为一个平面:
ax+by+cz+1=0 (公式1)
S32:分割的核心在于确定平面模型系数a、b、c,当有n个拟合点时,求解过程表示为矩阵的形式如下:
通过变换得到:
S33:通过反复的随机抽样子集确定平面参数模型,用得到的模型去测试所有的其它数据,如果某个点适用于估计的模型,则认为它也是局内点,如果有足够多的点被归类为假设的局内点,那么估计的模型就足够合理;最后通过所有的局内点重新计算模型并估计局内点与模型的错误率来评估模型。
S4、将分割出来的局外点进行欧式距离聚类得到单个聚类目标,将单个目标聚类点数小于5的聚类目标剔除;
S41:将离散的点集按照一定的距离尺度划分为一系列的点簇,给定聚类距离d(水深的8%~10%),如果两个相邻点之间的欧式距离小于或等于d,那么这两个点将被聚为同一类;否则为不同类,具体实现流程为:
建立一个KD树存储点云数据P,设置一个空的点簇链表C和空队列Q;对每个点pi∈P,添加pi到当前队列Q,对每个点pi∈Q:以d为半径,搜索点pi的邻域点(符合欧式距离小于或等于d的原则)存入对每个/>检查该点是否被处理过,如果没有,则加入Q,当链表中所有在Q中的点都被处理过时,把Q加入到链表C中,Q置空;当所有P中的点都被处理过时,终止。
S5、计算各个聚类目标的体积、中心位置等属性并三维显示,清空缓冲区并重复步骤S1~S4,直到完成所有数据的分割。
表1为本发明实施例提供的不同样本目标的分割效果、阈值设置和耗时对比结果
本说明书所公开的实施例只是对本发明单方面特征的一个例证,本发明的保护范围不限于此实施例,其他任何功能等效的实施例均落入本发明的保护范围内。对于本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及变形,而所有的这些改变以及变形都因该属于本发明权利要求的保护范围之内。
Claims (7)
1.一种基于浅水多波束水深数据的水下目标实时分割方法,其特征在于,包括如下步骤:
S1、实时接收30~50ping多波束原始数据至缓冲区并进行波束点归位计算;
S2、采用半径滤波器,以平均水深的3%~5%作为滤波半径对缓冲区内的水深点进行大尺度噪点滤波;
S3、采用平均水深的8%~10%作为平面距离阈值对滤波后的水深点进行RANSAC平面分割,对分割后的局外点和局内点进行平均深度比较,判断局外点所在目标特征的凹凸性,若为凹陷则交换局外点和局内点;
S4、将分割出来的局外点进行欧式距离聚类得到单个聚类目标,将单个目标聚类点数小于5的聚类目标剔除;
S5、计算各个聚类目标的体积、中心位置属性并三维显示,清空缓冲区并重复步骤S1~S4。
2.根据权利要求1所述的一种基于浅水多波束水深数据的水下目标实时分割方法,其特征在于,所述步骤S2中,采用半径滤波器进行滤波时,若该半径范围内的其余波束点个数小于2则该点视为离群点;若采集的多波束数据质量较差,可适当放宽离群点数值限制。
3.根据权利要求1所述的一种基于浅水多波束水深数据的水下目标实时分割方法,其特征在于,所述步骤S3中,平面距离分割阈值设置为缓冲区内所有经过滤波后水深点的平均水深的8%~10%,若局外点占比超过50%,则采用最小中值方差采样一致性方法进行平面分割,平面分割完成后将背景地形的水深点剔除。
4.根据权利要求1或3所述的一种基于浅水多波束水深数据的水下目标实时分割方法,其特征在于,所述步骤S3中,采用RANSAC平面分割算法解算平面参数的具体公式为:
式中,a、b、c为平面方程ax+by+cz+1=0的参数,x、y、z为水深点的坐标。
5.根据权利要求1所述的一种基于浅水多波束水深数据的水下目标实时分割方法,其特征在于,所述步骤S4中,聚类距离阈值设置为平均水深的8%~10%;若聚类目标含有较多噪点,需要设置最小聚类点数,最小聚类点数设置为5,将低于此聚类点数的聚类目标删除。
6.根据权利要求1或5所述的一种基于浅水多波束水深数据的水下目标实时分割方法,其特征在于,所述步骤S4中,欧式距离聚类是一种最近邻聚类算法,通过计算相邻点之间的欧式距离:
将离散的点集按照一定的距离尺度划分为一系列的点簇,给定聚类距离d为水深的8%~10%,如果两个相邻点之间的欧式距离小于或等于d,那么这两个点将被聚为同一类;否则为不同类,具体实现流程为:
建立一个KD树存储点云数据P,设置一个空的点簇链表C和空队列Q;对
每个点pi∈P,添加pi到当前队列Q,对每个点pi∈Q:以d为半径,搜索点pi的邻域点存入Pik,pi的邻域点符合欧式距离小于或等于d的原则,对每个pik∈Pik,检查该点是否被处理过,如果没有,则加入Q,当链表中所有在Q中的点都被处理过时,把Q加入到链表C中,Q置空;当所有P中的点都被处理过时,终止。
7.一种基于浅水多波束水深数据的水下目标实时分割方法的应用,其特征在于,基于权利要求1所述的浅水多波束水深数据的水下目标实时分割方法,进行水下碍航物探测和清理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110569967.1A CN113567968B (zh) | 2021-05-25 | 2021-05-25 | 一种基于浅水多波束水深数据的水下目标实时分割方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110569967.1A CN113567968B (zh) | 2021-05-25 | 2021-05-25 | 一种基于浅水多波束水深数据的水下目标实时分割方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113567968A CN113567968A (zh) | 2021-10-29 |
CN113567968B true CN113567968B (zh) | 2024-04-16 |
Family
ID=78161557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110569967.1A Active CN113567968B (zh) | 2021-05-25 | 2021-05-25 | 一种基于浅水多波束水深数据的水下目标实时分割方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113567968B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003102624A1 (en) * | 2002-05-31 | 2003-12-11 | Quester Tangent Corporation | Resampling sonar echo time series primarily for seabed sediment classification |
JP2010190726A (ja) * | 2009-02-18 | 2010-09-02 | Toa Harbor Works Co Ltd | 水底地形測量方法およびシステム |
CN103400405A (zh) * | 2013-08-01 | 2013-11-20 | 国家***第二海洋研究所 | 基于海底数字水深模型特征提取的多波束水深图构建方法 |
CN107167810A (zh) * | 2017-05-02 | 2017-09-15 | 河海大学常州校区 | 一种侧扫声纳成像的水下目标快速提取方法 |
CN108957462A (zh) * | 2018-05-22 | 2018-12-07 | 中国海洋大学 | 一种基于平坦海底的多波束水体数据处理方法 |
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 |
KR102186733B1 (ko) * | 2019-09-27 | 2020-12-04 | 포항공과대학교 산학협력단 | 3차원 해저 지형 생성 방법 |
CN112558077A (zh) * | 2020-12-08 | 2021-03-26 | 广州海洋地质调查局 | 一种基于相邻条幅的多波束滤波方法及处理终端 |
-
2021
- 2021-05-25 CN CN202110569967.1A patent/CN113567968B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003102624A1 (en) * | 2002-05-31 | 2003-12-11 | Quester Tangent Corporation | Resampling sonar echo time series primarily for seabed sediment classification |
JP2010190726A (ja) * | 2009-02-18 | 2010-09-02 | Toa Harbor Works Co Ltd | 水底地形測量方法およびシステム |
CN103400405A (zh) * | 2013-08-01 | 2013-11-20 | 国家***第二海洋研究所 | 基于海底数字水深模型特征提取的多波束水深图构建方法 |
CN107167810A (zh) * | 2017-05-02 | 2017-09-15 | 河海大学常州校区 | 一种侧扫声纳成像的水下目标快速提取方法 |
CN108957462A (zh) * | 2018-05-22 | 2018-12-07 | 中国海洋大学 | 一种基于平坦海底的多波束水体数据处理方法 |
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 |
KR102186733B1 (ko) * | 2019-09-27 | 2020-12-04 | 포항공과대학교 산학협력단 | 3차원 해저 지형 생성 방법 |
CN112558077A (zh) * | 2020-12-08 | 2021-03-26 | 广州海洋地质调查局 | 一种基于相邻条幅的多波束滤波方法及处理终端 |
Non-Patent Citations (3)
Title |
---|
Clustering Statistic Hough Transform Based Estimation Method for Motion Elements of Multiple Underwater Targets;ZHEPING YAN等;《IEEE Access》;全文 * |
GeoSwath多波束***在海底目标探测中的应用;吴利红;许文海;刘维;臧力龙;;大连海事大学学报(第01期);全文 * |
SeaBeam全海深多波束测深***及应用;李治远等;《海岸工程》;第40卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113567968A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969624B (zh) | 一种激光雷达三维点云分割方法 | |
CN106780524B (zh) | 一种三维点云道路边界自动提取方法 | |
CN109816664B (zh) | 一种三维点云分割方法及装置 | |
CN102607459B (zh) | Lidar测量数据的拼接方法和装置 | |
CN107644452A (zh) | 机载LiDAR点云屋顶面片分割方法及*** | |
CN111047704B (zh) | 一种改进区域生长算法的多波束测深数据粗差自动清除方法 | |
CN109900338A (zh) | 一种路面坑槽体积测量方法及装置 | |
Wawrzyniak et al. | MSIS image postioning in port areas with the aid of comparative navigation methods | |
CN102201125A (zh) | 一种三维成像声纳的数据可视化方法 | |
CN103886606B (zh) | 基于联合广义伽玛分布参数的sar图像分割方法 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN113567968B (zh) | 一种基于浅水多波束水深数据的水下目标实时分割方法及应用 | |
CN114417951A (zh) | 基于无监督机器学习的海洋非结构网格自动剖分优化方法 | |
CN111968224A (zh) | 船舶3d扫描点云数据处理方法 | |
Sinai et al. | Mine-Like Objects detection in Side-Scan Sonar images using a shadows-highlights geometrical features space | |
CN113570005A (zh) | 一种基于机载光子雷达的远距离舰船类型识别方法 | |
CN117854060B (zh) | 基于深度学习的隧道岩体面状裂隙识别方法及*** | |
CN117115012A (zh) | 一种道路路面点云标线分割去噪方法 | |
CN112907615B (zh) | 基于区域生长的海底地貌单元轮廓及细节识别方法 | |
CN111881964A (zh) | 一种基于Delaunay三角网的线性建筑物模式识别方法与*** | |
CN105844644B (zh) | 基于形态学中值导数的海陆杂波场景分割方法 | |
CN116012613B (zh) | 一种基于激光点云的露天矿的土方量变化测算方法和*** | |
CN114814796B (zh) | 基于高精度地图的水面可行驶区域提取方法、装置及设备 | |
Wang et al. | Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar. | |
CN117253205A (zh) | 一种基于移动测量***的道路面点云快速提取方法 |
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 |