機載LiDAR測深數(shù)據(jù)處理關(guān)鍵技術(shù)研究

宿殿鵬

山東科技大學(xué)測繪與空間信息學(xué)院，山東 青島 266590

機載LiDAR測深(airborne LiDAR bathymetry，ALB)技術(shù)已在海岸帶、海島礁等淺水海域展現(xiàn)出非常大的潛力，但在誤差理論建模和數(shù)據(jù)處理方法等方面還存在不足，制約著ALB技術(shù)的進一步發(fā)展。為此，論文針對ALB的技術(shù)發(fā)展和應(yīng)用需求，分別從ALB回波信號處理和提取方法，ALB系統(tǒng)中器件、環(huán)境和目標因素對測量誤差的理論分析模型，海氣界面折射改正、航帶拼接方法，以及珊瑚礁信息提取的數(shù)據(jù)應(yīng)用5個方面進行了詳細研究。主要工作如下：

(1)針對ALB淺水回波信號易混淆、難以識別進行水深提取問題，提出一種基于分層異構(gòu)模型的波形擬合算法。根據(jù)波形不同組成部分的相應(yīng)特性，采用分層異構(gòu)函數(shù)(水面—高斯函數(shù)、水體—指數(shù)函數(shù)及水底—B-樣條函數(shù))進行全局收斂LM(Levenberg-Marquardt)擬合，優(yōu)化求解相應(yīng)的分解參數(shù)，從而使各部分回波信號的擬合效果達到最優(yōu)。利用南海ALB試驗數(shù)據(jù)進行驗證，相比于雙高斯擬合，其平均均方根誤差RMSE、平均決定系數(shù)R2、平均相關(guān)系數(shù)CORR和相關(guān)系數(shù)標準差STD分別提高65.11%、2.83%、1.01%和86.61%，擬合精度更高、適應(yīng)性更強。

(2)分別從器件(激光指向角偏轉(zhuǎn))、環(huán)境(大氣限制、水面折射、水體折射、水體散射)、目標(不規(guī)則水底地形起伏)3方面對ALB測深誤差進行分析評估，建立了ALB誤差模型，為測前方案設(shè)計和測后誤差處理提供理論依據(jù)。針對各種干擾因素造成的6類隨機誤差，定量分析了不同誤差源對ALB測深的影響：對于10 m水深，6類模型的測距誤差分別為：激光指向角度誤差(30 cm)、大氣限制誤差(<1 cm)、水面折射誤差(14 cm)、水體折射誤差(5 cm)、水體散射誤差(6 cm)、不規(guī)則水底地形起伏誤差(2 cm)。系統(tǒng)的ALB測深誤差分析，既能為ALB數(shù)據(jù)采集提供參考，也能為ALB數(shù)據(jù)后處理提供有效的誤差改正方案。

(3)針對瞬時海面傾斜造成的折射光線路徑偏移問題，提出了基于瞬時海面模型和光線追蹤的ALB折射改正方法?；谧钚《撕筒ɡ俗V理論，利用波長532 nm藍綠激光獲取的海面激光點云數(shù)據(jù)構(gòu)建瞬時三維海面模型，以此作為光線追蹤平臺。在計算海面斜率的基礎(chǔ)上，通過追蹤穿過大氣-水界面的每束激光，激光點的位置偏差得到相應(yīng)改正。對于10 m水深海域，測深數(shù)據(jù)改善9.2 cm，為ALB海氣界面折射影響提供高精度解決方案。

(4)針對經(jīng)過系統(tǒng)檢校和前面誤差處理后的殘差，提出了一種基于非線性最小二乘平差的蒙特卡羅匹配(Monte Carlo matching，MCM)算法，增強了航帶拼接的穩(wěn)健性。通過航帶重疊區(qū)域“水深相對漂移”進行濾波；然后將蒙特卡羅模型與非線性最小二乘參數(shù)平差模型相結(jié)合，利用多波束數(shù)據(jù)對初始基準航帶進行糾正，再以初始基準航帶為參考依次進行航帶拼接；最終解算得到航帶拼接轉(zhuǎn)換七參數(shù)。對于重疊區(qū)域同名點平均距離大于1 m的原始航帶，拼接后同名點平均距離在7 cm以內(nèi)，實現(xiàn)了ALB高精度、強穩(wěn)健性航帶拼接。

(5)基于ALB數(shù)據(jù)處理獲得的高精度波形和地形數(shù)據(jù)，提出了ALB波形和地形特征組合的珊瑚礁信息提取方法。通過挖掘海底波形特征參數(shù)(振幅、波寬、面積、偏態(tài)、峰度、反向散射截面系數(shù))和地形特征參數(shù)(水深標準差、坡度、測深位置指標、高斯曲率、平均曲率、粗糙度)，構(gòu)建波形和地形組合的特征向量模型，采用支持向量機分類器將海底底質(zhì)分為珊瑚礁和其他底質(zhì)兩種類別，總體精度與Kappa系數(shù)分別達到93.57%、0.87。較現(xiàn)有方法，其總體精度和Kappa系數(shù)分別提高2.65%、0.06，不僅克服了淺水海域數(shù)據(jù)采集的困難，而且實現(xiàn)了珊瑚礁信息的高精度提取。