针对浅海测深的数据特点和应用需求,以我国南海甘泉岛为例,研究了利用ICESat-2(Ice,Cloud,and Land Elevation Satellite-2)激光卫星数据和光学遥感影像开展主被动融合水深测量的方法。首先通过信号点提取、水面/水底识别、水下点折射...针对浅海测深的数据特点和应用需求,以我国南海甘泉岛为例,研究了利用ICESat-2(Ice,Cloud,and Land Elevation Satellite-2)激光卫星数据和光学遥感影像开展主被动融合水深测量的方法。首先通过信号点提取、水面/水底识别、水下点折射改正等步骤处理ICESat-2数据,获得水深值,随后以激光点作为控制,计算光学水深反演模型参数,最后由点及面地获取大范围高精度水深。实验表明,甘泉岛区域主被动融合测深中误差优于1.30 m,基于激光卫星数据的主被动融合测深方法能够为浅水水深测量提供新手段。展开更多
单光子激光雷达所获取的光子事件存在随机分布的特点,使得其激光测距值出现不确定性,从而降低了单光子激光雷达的测距精度。在不减小采样分辨率的情况下,采用累积邻近多光斑的光子事件来构建光子累积直方图,并基于反算的目标响应函数的...单光子激光雷达所获取的光子事件存在随机分布的特点,使得其激光测距值出现不确定性,从而降低了单光子激光雷达的测距精度。在不减小采样分辨率的情况下,采用累积邻近多光斑的光子事件来构建光子累积直方图,并基于反算的目标响应函数的时间重心来确定激光测距值。针对ICESat-2单光子激光雷达,以测距均方根误差(RMSE)和平均绝对误差(MAE)为性能指标,构建出一种综合考虑陆地地形、累积光斑数目和回波光子数等多因素对其测距误差影响的评估方法。同时,选取ICESat-2过境美国犹他州西瓦利城的某观测条带的随机地形数据进行验证分析。结果表明,所提出的激光测距值解算方法能够使该条带的测距RMSE值由114.25 cm降低到63.84 cm,MAE值由70.97 cm降低到48.52 cm,均优于ICESat-2数据产品提供的137.96 cm RMSE值和97.24 cm MAE值,这对提升单光子激光雷达在陆地区域的测距精度具有一定的借鉴作用。展开更多
星载单光子激光雷达在浅水域测深方面展现出巨大的潜力,但其接收到的点云数据中存在大量噪声,给高程信息的提取带来了困难。目前,基于OPTICS(Ordering Points to Identify the Clustering Structure)的去噪算法因其精度高,在强背景噪声...星载单光子激光雷达在浅水域测深方面展现出巨大的潜力,但其接收到的点云数据中存在大量噪声,给高程信息的提取带来了困难。目前,基于OPTICS(Ordering Points to Identify the Clustering Structure)的去噪算法因其精度高,在强背景噪声下表现良好,得到了广泛的应用,但此算法在水底附近区域存在去噪效果不佳的现象。为了解决这个问题,文章提出了一种参量自适应的OPTICS单光子点云去噪算法,该算法与现有OPTICS算法固定输入参数的方式不同,是通过场景自适应获取更合适的输入参数来保证水底附近区域光子的分布参数的测量准确性,从而提升水底附近区域的去噪效果。凝聚度结果显示,新算法在水底附近区域的去噪效果较现有OPTICS算法提升了约13.67%,可为之后的水深测量等工作提供更高精度的单光子点云图像。展开更多
文摘针对浅海测深的数据特点和应用需求,以我国南海甘泉岛为例,研究了利用ICESat-2(Ice,Cloud,and Land Elevation Satellite-2)激光卫星数据和光学遥感影像开展主被动融合水深测量的方法。首先通过信号点提取、水面/水底识别、水下点折射改正等步骤处理ICESat-2数据,获得水深值,随后以激光点作为控制,计算光学水深反演模型参数,最后由点及面地获取大范围高精度水深。实验表明,甘泉岛区域主被动融合测深中误差优于1.30 m,基于激光卫星数据的主被动融合测深方法能够为浅水水深测量提供新手段。
文摘单光子激光雷达所获取的光子事件存在随机分布的特点,使得其激光测距值出现不确定性,从而降低了单光子激光雷达的测距精度。在不减小采样分辨率的情况下,采用累积邻近多光斑的光子事件来构建光子累积直方图,并基于反算的目标响应函数的时间重心来确定激光测距值。针对ICESat-2单光子激光雷达,以测距均方根误差(RMSE)和平均绝对误差(MAE)为性能指标,构建出一种综合考虑陆地地形、累积光斑数目和回波光子数等多因素对其测距误差影响的评估方法。同时,选取ICESat-2过境美国犹他州西瓦利城的某观测条带的随机地形数据进行验证分析。结果表明,所提出的激光测距值解算方法能够使该条带的测距RMSE值由114.25 cm降低到63.84 cm,MAE值由70.97 cm降低到48.52 cm,均优于ICESat-2数据产品提供的137.96 cm RMSE值和97.24 cm MAE值,这对提升单光子激光雷达在陆地区域的测距精度具有一定的借鉴作用。
文摘星载单光子激光雷达在浅水域测深方面展现出巨大的潜力,但其接收到的点云数据中存在大量噪声,给高程信息的提取带来了困难。目前,基于OPTICS(Ordering Points to Identify the Clustering Structure)的去噪算法因其精度高,在强背景噪声下表现良好,得到了广泛的应用,但此算法在水底附近区域存在去噪效果不佳的现象。为了解决这个问题,文章提出了一种参量自适应的OPTICS单光子点云去噪算法,该算法与现有OPTICS算法固定输入参数的方式不同,是通过场景自适应获取更合适的输入参数来保证水底附近区域光子的分布参数的测量准确性,从而提升水底附近区域的去噪效果。凝聚度结果显示,新算法在水底附近区域的去噪效果较现有OPTICS算法提升了约13.67%,可为之后的水深测量等工作提供更高精度的单光子点云图像。
