本发明公开了一种面向水深提取的光子计数激光雷达自适应滤波算法，包括如下步骤：S1：自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；S2：确定水下光子信号滤波参数与光子信号高程值的关系；S3：对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果。
1.一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，包括如下步骤：S1：将原始光子信号在高程方向上进行切片，通过分析各个切片区域内光子的统计特性，确定水面与水下信号点的分界线，并自适应获取初始椭圆搜索区域的长半轴、短半轴以及密度滤波的初始最小点数阈值，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；
其中， 为每一个光子信号的沿轨距离， 为每一个光子信号的高程， 为原始点云数据包含的光子数量；
S12：以 为高程方向切片间隔，将原始点云数据在高程方向切分为 个切片单元：；
S13：对于S12中切分的 个切片单元，统计每个切片单元中的光子信号数量 ：，
其中， 为每个高程切片中心高程， 为切片单元中的光子信号数量；
S14：利用正态分布曲线对高程切片中心高程 与切片单元中的光子信号数量 之间的关系进行拟合，得到拟合关系 为：，
其中， 表示包含光子信号最多的高程切片中的光子信号数量， 表示该切片的中心高程， 为正态分布标准差，为正态分布自变量；
S15：以S14中的 为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线，同时确定搜索椭圆的短半轴长度b：其中， 为水面光子高程下限， 为水面光子高程上限；
S16：以水面光子高程下限 和上限 为界，获取每个水面光子的高程，形成水面光子数据集 和水下光子数据集 ：，
其中， 表示水面光子数据集中某个光子的沿轨距离， 表示水面光子数据集中某个光子的高程， 为原始数据集中满足下列条件的光子的数量：，
表示水下光子数据集中某个光子的沿轨距离， 表示水下光子数据集中某个光子的高程， 为原始数据集中满足下列条件的光子的数量：；
S17：在水面光子数据集 中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度 为分界，将水面光子放入 个数据集 中：，
S18：统计 个集合中光子在高程方向的最大差值 ，并获取均值 ，从而获取长半轴长度a：
S19：在水面光子数据集 中，遍历所有数据点，以该点为中心，a为搜索椭圆的长半轴，b为搜索椭圆的短半轴构建搜索区域，统计搜索区域内的点数 ，并计算点数均值，获取初始最小点数 ：；
S110：遍历水面光子数据集 中的每一个点，以该点 为中心，以a、b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集 中其余的点 是否位于搜索区域：，
若 ，则点 位于以 为中心的椭圆搜索区域中，统计搜索区域中所有的信号点数；若 ，则将 标记为信号点，否则为噪点；
S2：通过分析随着信号光子高程值的变化，高程切片内光子数量的变化特征，确定搜索椭圆的长半轴、短半轴以及密度滤波的最小点数阈值与水深之间的变化关系；
S21：水面光子滤波完成后，以S13形成的数据集 为基础，确定水下光子随着水深的变化情况，得到二者的关系系数 ；
S22：在水下光子数据集 中，以点 为中心，椭圆搜索长半轴 、短半轴 、最小点数阈值 均分别与水面光子滤波椭圆长半轴、短半轴、最小点数阈值初始值、关系系数相关：，
以 为间隔将搜索椭圆绕x轴逆时针旋转形成 个方向不同的椭圆搜索区域：；
S3：在椭圆密度滤波的基础上，根据S1中确定的水面与水下信号点的分界线，将水面信号与水底信号进行分离，基于拟合方法，分别拟合水面与水底信号，形成连续的水深提取结果；
S31：遍历水下光子数据集 中的每一个点，以该点 为中心，以为长半轴、短半轴的椭圆，判断水下光子数据集 中其余的点 是否位于第 个椭圆搜索区域；
若 <1，则点 位于以 为中心的旋转椭圆搜索区域中，统计该旋转椭圆搜索区域中所有的信号点数 ；选取所有旋转椭圆中，包含光子点数最大的椭圆作为该点的滤波椭圆；
若 大于最小点数 ，则将 标记为信号点，否则为噪点。
2.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤S11中，光子计数激光雷达原始点云数据 为一个二维点集。
3.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤S13中，通过以每个高程切片中心高程 为横轴，切片单元中的光子信号数量 为纵轴，来构建二者之间的关系。
一种面向水深提取的光子计数激光雷达自适应滤波算法
技术领域
[0001] 本发明涉及模型算法技术领域，具体来说，涉及一种面向水深提取的光子计数激光雷达自适应滤波算法。
背景技术
[0002] 光子计数激光雷达是近年来发展出来的新型激光探测技术，相比传统的激光雷达，光子计数激光雷达具有更高的脉冲发射重复频率，并采用极高灵敏度的接受器件，将传统的器件接受数百甚至数千光子的回波包络幅值探测转化为对单个光子的探测，因此具有距离远、高重频、高效率、轻量化等优势，同时克服了传统激光器体积大、质量大、可靠性低，以及脉冲能量和重复频率之间矛盾等问题。光子计数激光雷达在设计思想和数据处理方法上有较大区别。获取有效信号时，它不再专注于用高能量发射获取高信噪比的波形，而是注重利用有限的资源，充分利用回波信号中的每一个光子。通过改进数据处理的方法，在低信噪比的信号中也能做到有效信号的提取。基于光子计数探测的激光测高技术已然成为一种激光探测技术未来发展趋势和方向。
[0003] 当前的诸多研究表明，光子计数雷达具有一定的水深探测能力，但当光子计数激光雷达探测目标区域为水体时，激光点云数据会呈现与陆地探测数据不同的特点。目前国内外并没有针对光子数据在水深提取方面的研究，因此传统的算法在处理水体数据时滤波效果不佳，无法有效将水面与水底光子信号同时提取并计算水深。
[0004] 针对光子计数数据处理存在的问题，目前并未提出有效的解决方案。
发明内容
[0005] 针对相关技术中的上述技术问题，本发明提出一种面向水深提取的光子计数激光雷达自适应滤波算法，能够克服现有技术的上述不足。
[0006] 为实现上述技术目的，本发明的技术方案是这样实现的：
[0007] 一种面向水深提取的光子计数激光雷达自适应滤波算法，包括如下步骤：
[0008] S1：自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；
[0009] S2：确定水下光子信号滤波参数与光子信号高程值的关系；
[0010] S3：对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果。
[0011] 进一步的，所述步骤S1中，自适应获取水面光子信号椭圆密度滤波参数的步骤包括：
[0012] S11：获取光子计数激光雷达原始点云数据 ：
[0013] ，
[0014] 其中， 为每一个光子信号的沿轨距离， 为每一个光子信号的高程， 为原始点云数据包含的光子数量；
[0015] S12：以 为高程方向切片间隔，将原始数据在高程方向切分为 个切片单元：
[0016] ；
[0017] S13：对于S12中切分的 个切片单元，统计每个切片单元中的光子信号数量 ：
[0018] ，
[0019] 其中， 为每个高程切片中心高程， 为切片单元中的光子信号数量；
[0020] S14：利用正态分布曲线对高程切片中心高程与切片单元中的光子信号数量 之间的关系进行拟合，得到拟合关系 为：
[0021] ，
[0022] 其中， 表示包含光子信号最多的高程切片中的光子信号数量， 表示该切片的中心高程， 为正态分布标准差，为正态分布自变量；
[0023] S15：以S4中的 为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线，同时确定搜索椭圆的短半轴长度b：
[0024]
[0025]
[0026] 其中， 为水面光子高程下限， 为水面光子高程上限；
[0027] S16：以水面光子高程下限 和上限 为界，获取每个水面光子的高程，形成水面光子数据集 和水下光子数据集 ：
[0028] ，
[0029] 其中， 表示水面光子数据集中某个光子的沿轨距离， 表示水面光子数据集中某个光子的高程， 为原始数据集中满足下列条件的光子的数量：
[0030] ，
[0031] 表示水下光子数据集中某个光子的沿轨距离， 表示水下光子数据集中某个光子的高程， 为原始数据集中满足下列条件的光子的数量：
[0032] ；
[0033] S17：在水面光子数据集 中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度 为分界，将水面光子放入 个数据集 中：
[0034] ，
[0035] ；
[0036] S18：统计 个集合中光子在高程方向的最大差值 ，并获取均值，从而获取长半轴长度a：
[0037] ，
[0038] ，
[0039] ，
[0040] 其中， 为搜索椭圆的长轴与短轴的比值；
[0041] S19：在水面光子数据集 中，遍历所有数据点，以该点为中心，a为搜索椭圆的长轴，b为搜索椭圆的短轴构建搜索区域，统计搜索区域内的点数 ，并计算点数均值，获取初始最小点数 ：
[0042] ；
[0043] S110：遍历水面光子数据集 中的每一个点，以该点 为中心，以a、b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集 中其余的点是否位于搜索区域：
[0044] ，
[0045] 若 ，则点 位于以 为中心的椭圆搜索区域中，统计搜索区域中所有的信号点数；若 ，则将 标记为信号点，否则
为噪点。
[0046] 进一步的，对于所述步骤S2，水下光子信号滤波参数与光子信号高程值的关系确定方法为：
[0047] S21：水面光子滤波完成后，以S13形成的数据集 为基础，确定水下光子随着水深的变化情况，得到二者的关系系数 ；
[0048] S22：在水下光子数据集 中，以点 为中心，椭圆搜索长半轴、短半轴 、最小点数阈值 均分别与与水面光子滤波椭圆长轴、短轴、最小点数阈值初始值、关系系数相关：
[0049] ，
[0050] 以 为间隔将搜索椭圆绕x轴逆时针旋转形成 个方向不同的椭圆搜索区域：
[0051] 。
[0052] 进一步的，对于所述步骤S3，水深提取结果获取方法为：
[0053] S31：遍历水下光子数据集 中的每一个点，以该点 为中心，以为长半轴、短半轴的椭圆，判断水下光子数据集 中其余的点 是
否位于第 个椭圆搜索区域；
[0054] ，
[0055] 式子中：
[0056] ，
[0057] 若 <1，则点 位于以 为中心的旋转椭圆搜索区域中，统计该旋转椭圆搜索区域中所有的信号点数 ；选取所有旋转椭圆中，包含光子点数最大的椭圆作为该点的滤波椭圆；
[0058] ，
[0059] 若 大于最小点数 ，则将 标记为信号点，否则为噪点。
[0060] 进一步的，步骤S11中，光子计数激光雷达原始点云数据 为一个二维点集。
[0061] 进一步的，步骤S13中，通过以每个高程切片中心高程 为横轴，切片单元中的光子信号数量 为纵轴，来构建二者之间的关系。
[0062] 本发明的有益效果：本发明提出一种光子计数激光雷达自适应阈值滤波算法，可以有效地对光子信号噪声较大、水面与水下光子信号分布不均匀的情况，自适应选择滤波阈值，实现自动、快速、高效的点云有效数据提取，自动进行水面与水下有效光子信号的分离并获取连续水深数据。该方法可对航天和航空光子计数激光雷达获取的日间和夜间中不同水体环境下的数据进行处理。
附图说明
[0063] 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图。
[0064] 图1是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的光子计数激光雷达原始数据分布图；
[0065] 图2是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的光子高程方向分块后光子数量统计分布直方图
[0066] 图3是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的确定初始椭圆搜索区域短轴长度分布图；
[0067] 图4是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的确定初始椭圆搜索区域长轴长度与短轴长度的比值分布图；
[0068] 图5是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的随光子高度变化的搜索椭圆示意图；
[0069] 图6是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的滤波结果分布图。
具体实施方式
[0070] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
[0071] 如图1-6所示，根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，包括如下步骤：
[0072] 1）光子计数激光雷达原始点云原始数据为一个二维点集：
[0073] （1）
[0074] 其中 为每一个光子信号的沿轨距离， 为每一个光子信号的高程， 为原始点云数据包含的光子数量。
[0075] 2）以为高程方向切片间隔，将原始数据在高程方向切分为个单元：
[0076] （2）
[0077] 3）对于分割的 个切片单元，统计每个切片单元中的光子信号数量 。以每个高程切片中心高程 为横轴，切片单元中的光子信号数量 为纵轴，构建二者之间的关系。
[0078] （3）
[0079] 4）利用正态分布曲线对第3步中高程切片中心高程 与切片单元中的光子信号数量 之间的关系进行拟合，得到如下拟合关系：
[0080] （4）
[0081] 其中 表示包含光子信号最多的高程切片中的光子数量， 表示该切片的中心高程。
[0082] 5）以 为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线。得到水面光子高程下限 上限 ，同时确定搜索椭圆的短半轴长度b。
[0083] （5）
[0084] （6）
[0085] 6）以水面高程上限下限值为界，获取每个水面光子的高程，形成水面光子数据集和水下光子数据集 。
[0086] （7）
[0087] 其中 为原始数据集中满足下列条件的光子的数量：
[0088] （8）
[0089] 其中 为原始数据集中满足下列条件的光子的数量：
[0090] （9）
[0091] 7）在水面光子数据集 中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度 为分界，将水面光子放入 个集合 中。
[0092] （10）
[0093] （11）
[0094] 8）统计 个集合中光子在高程方向的最大差值
[0095] （12）
[0096] 计算沿轨方向分辨率 与 的比值，并获取均值 ，该值即为搜索椭圆的长轴与短轴的比值，从而获取长半轴长度a。
[0097] （13）
[0098] （14）
[0099] 9）在水面光子数据集中，遍历所有数据点，以该点为中心，a，b分别为搜索椭圆的长轴与短轴构建搜索区域，统计搜索区域内的点数 ，并计算点数均值，获取初始最小点数 。
[0100] （15）
[0101] 10）遍历水面光子数据集 中的每一个点，以该点 为中心，以a，b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集 中其余的点是否位于搜索区域：
[0102] （16）
[0103] 若 <1，则点 位于以为中心的椭圆搜索区域中。统计搜索区域中所有的信号点数，若该值大于最小点数 ，则将 标记为信号点，否则
为噪点。
[0104] 11)水面光子滤波完成后，以第三步形成的数据集 为基础，确定水下光子随着水深的变化情况，得到二者的关系系数 ：
[0105] 12）在水下光子数据集 中，以点 为中心，椭圆搜索长半轴 、短半轴 、最小点数阈值 与水面光子滤波椭圆长轴、短轴、最小点数阈值初始值、变化系数相关。
[0106] （17）
[0107] 13）以 为间隔将搜索椭圆绕x轴逆时针旋转形成 个方向不同的椭圆搜索区域：
[0108] （18）
[0109] 14）遍历水下光子数据集 中的每一个点，以该点 为中心，以， 为长半轴、短半轴的椭圆，判断水下光子数据集中其余的点 是否位于第个椭圆搜索区域
[0110] （19）
[0111] 式子中：
[0112] （20）
[0113] 15）若 <1，则点 位于以 为中心的旋转椭圆搜索区域中，统计该旋转椭圆搜索区域中所有的信号点数 。选取所有旋转椭圆中，包含光子点数最大的椭圆作为该点的滤波椭圆。
[0114] （21）
[0115] 若 大于最小点数 ，则将标记 为信号点，否则为噪点。
[0116] 为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
[0117] 在具体使用时，根据本发明所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，整个算法包含：水面光子信号椭圆密度滤波参数自适应获取、水下光子信号滤波参数与光子信号高程值的关系确定、水面与水底信号滤波以及提取三个部分。首先自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数，将原始光子信号在高程方向上进行切片，通过分析各个切片区域内光子的统计特性，确定水面与水下信号点的分界线，并自适应获取初始椭圆搜索区域的长轴、短轴以及密度滤波的初始最小点数阈值；然后确定水下光子信号滤波参数与光子信号高程值的关系，通过分析随着信号光子高程值的变化，高程切片内光子数量的变化特征，确定搜索椭圆的长轴、短轴以及密度滤波的最小点数阈值与水深之间的变化关系；最后对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果，在椭圆密度滤波的基础上，根据第一步中确定的水面与水下信号点的分界线，将水面信号与水底信号进行分离，基于拟合方法，分别拟合水面与水底信号，形成连续的水深提取结果。该方法可对航天和航空光子计数激光雷达获取的日间和夜间中不同水体环境下的数据进行处理，可以有效地对光子信号噪声较大、水面与水下光子信号分布不均匀的情况，自适应选择滤波阈值，实现自动、快速、高效的点云有效数据提取，自动进行水面与水下有效光子信号的分离并获取连续水深数据。
[0118] 综上所述，本发明基于光子计数激光雷达探测技术理论以及水体中光子信号的数据特点，为克服光子计数数据处理存在的问题，提出了一种光子计数激光雷达自适应阈值滤波算法，可以有效地对光子信号噪声较大、水面与水下光子信号分布不均匀的情况，自适应选择滤波阈值，实现自动、快速、高效的点云有效数据提取，自动进行水面与水下有效光子信号的分离并获取连续水深数据。本发明的方法可对航天和航空光子计数激光雷达获取的日间和夜间中不同水体环境下的数据进行处理。
[0119] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
