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。
