基于S-102标准的高精度复杂测深表面模型构建方法与流程

本发明涉及智慧航道测深表面模型构建领域，特别涉及基于s-102标准的高精度复杂测深表面模型构建方法。

背景技术：

1、随着大数据、云计算等信息技术与水运交通行业的深入融合，智慧航道建设成为推动海上交通数字化、智能化转型的必然要求。海底高精度、高保真的数字高程模型（digital elevation model，dem）是智慧航道数字化底座的关键组成部分，直接影响到水深分析、通航安全评估、养护工作量测算等航运业务。s-102测深表面产品规范作为s-100系列标准之一，规定了高分辨率规则格网dem产品的内容模型。因此，为确保数据的标准化，应基于s-102标准构建真实反映航道地形的dem，为智慧航道系统提供可靠的数据基础。

2、在人工干预的情况下，海底地形往往具有局部变化的特征，如航道、港池等水域在设计上通常呈梯形断面结构，表现为中心区域较深的槽型结构、两侧保留原有较浅的地形，两者之间以边坡结构过渡。但在实际生产中，如图1所示，利用目前广泛使用的插值方法构建出的dem具有连续、平滑的特点，容易对地形过度平滑处理，从而导致地形细节表达失真，航道边坡被平滑处理，影响航道养护决策，增加不必要的疏浚工作量。

3、近年来，已有学者关注到高保真dem的问题，也开始对突变地形进行研究。现有研究中，赵元元等验证了高程点加密法和平行隔断线法在处理突变地表地形时的优势；王春等提出“矢量化模拟，栅格化组织”方法，并构建了融合地形场特征与对象特征的特征嵌入式数字高程模型（f-dem）；夏袁菡子等提出以虚拟断裂线法或拓扑断裂线法来表达点云密度低的情况；田峰敏等重点研究了海底cd-tin dem的构建方法，实现了区域边界的合理表达。然而，上述研究大部分都是针对自然地形的研究，对海底地形的研究很少，且没有针对性地研究与人类活动密切相关的海底航道地形高保真dem。

4、不规则三角网（triangulated irregular network，tin）是dem构建中常用的一种数据结构，能够通过将区域内不规则分布的离散高程点连接形成一系列连续的三角形，从而实现对地形表面的表达。与规则格网dem相比，tin能够根据地形复杂程度自适应地组织三角网结构，在表达山脊线、山谷线等重要地形特征方面具有较好的效果，因此针对航道“凹”形坡的地形特点，更适合用tin来生成dem。然而，在实际地形建模过程中，如果仅依据离散点进行三角网构建，生成的三角形可能会跨越地形结构边界，从而导致三角网结构与真实地形特征不一致。

5、为解决这一问题，工程实践中通常采用带约束的delaunay三角网（constraineddelaunay triangulation，cdt）方法，通过引入隔断线或断裂线作为约束条件，强制部分线段作为三角网的边参与三角形构建，从而在一定程度上保持地形结构特征。隔断线分为软断线（softline）和硬断线（hardline），其中，软断线仅表示地形结构位置，不包含高程信息，对地形的约束作用相对有限，不能保证全部线段作为三角网的边参与构建，而有高程信息的硬断线能实现这一要求。但是，由于硬断线的加入会改变原有三角网的拓扑结构，在局部区域甚至可能影响原始地形的表达精度。

6、因此，亟需基于s-102标准的高精度复杂测深表面模型构建方法，以解决现有技术中的不足。

技术实现思路

1、本发明的目的在于提出基于s-102标准的高精度复杂测深表面模型构建方法，在尽量保持原始地形特征的前提下，通过合理利用硬断线约束，提高测深数据表达海底地形细节的效果，从而实现航道区域高保真dem的构建，并进一步按照s-102标准对dem进行生产和封装，推进s-102在智慧航道建设中的落地应用。

2、为实现上述目的，本发明提供了基于s-102标准的高精度复杂测深表面模型构建方法，包括：

3、s1、对原始离散水深点数据进行分割，提取目标硬断线；

4、s2、利用所述原始离散水深点数据与所述目标硬断线，构建约束delaunay三角网模型；

5、s3、基于所述约束delaunay三角网模型采用自然邻域法生成航道规则格网dem，并逐网格计算测深格网数据的不确定度；

6、s4、根据所述航道规则格网dem与测深格网数据的不确定度，获取高精度复杂测深表面模型构建结果。

7、可选的，s1、对原始离散水深点数据进行分割，提取目标硬断线，包括：

8、获取原始离散水深点数据按空间位置进行分割，获取航道内水深点数据与航道外水深点数据；

9、基于所述航道内水深点数据采用克里金法进行插值加密，生成加密水深点集；

10、根据所述加密水深点集结合所述航道外水深点数据与所述航道内水深点数据进行航道边线分段赋值，获取目标硬断线，所述目标硬断线包括航道边线硬断线、边坡线与坡脚线。

11、可选的，根据所述加密水深点集结合所述航道外水深点数据与所述航道内水深点数据进行航道边线分段赋值，获取目标硬断线，包括：

12、对航道边线进行等距离分段处理，获取若干边线小段；

13、基于所述加密水深点集采用最近邻匹配算法，构建空间索引；

14、根据所述空间索引与若干所述边线小段利用欧氏距离查找目标水深点，并进行航道边线赋值，获取初始赋值的航道边线硬断线；

15、对所述初始赋值的航道边线硬断线进行连续性检测，获取航道边线硬断线；

16、利用搜索半径阈值对所述航道边线进行节点增密，并根据所述航道外水深点数据与所述航道内水深点数据匹配近邻点位连线赋值，分别生成边坡线与坡脚线。

17、可选的，所述搜索半径阈值为：

18、

19、其中，d1为测线间距，r为搜索半径阈值，d2为同一测线上的测深点间距。

20、可选的，s2、利用所述原始离散水深点数据与所述目标硬断线，构建约束delaunay三角网模型，包括：

21、将所述原始离散水深点数据与所述目标硬断线作为约束条件，基于带约束的delaunay三角剖分算法进行三角剖分，构建约束delaunay三角网模型，所述约束条件的计算式为：

22、

23、其中，e为任意一条硬断线线段，l0为航道边线硬断线，louter为边坡线，linner为坡脚线，efinal为最终生成的三角网的所有边的集合。

24、可选的，s3、基于所述约束delaunay三角网模型采用自然邻域法生成航道规则格网dem，并逐网格计算测深格网数据的不确定度，包括：

25、基于所述约束delaunay三角网模型，采用自然邻域法结合插值权重，获取格网中心点的水深值；

26、根据所述格网中心点的水深值，生成航道规则格网dem，并获取网格对应的领域测点与权重；

27、利用所述网格对应的领域测点与权重调取自然邻域点的测深误差，并通过所述网格对应的权重与所述自然邻域点的测深误差进行逐网格运算，获取测深格网数据的不确定度。

28、可选的，所述格网中心点的水深值的计算式如下：

29、

30、其中，d(x)为每个格网中心点x的水深值，n为格网中心点x周围的自然邻域点的总数，wi为第i个邻域点的插值权重，d(pi)为第i个自然邻域点的水深值。

31、可选的，所述测深格网数据的不确定度的计算式为：

32、

33、其中，为测深格网数据的不确定度，n为格网中心点x周围的自然邻域点的总数，wi为第i个邻域点的插值权重，为第i个自然邻域点的测深误差。

34、可选的，s4、根据所述航道规则格网dem与测深格网数据的不确定度，获取高精度复杂测深表面模型构建结果，包括：

35、将所述航道规则格网dem与测深格网数据的不确定度进行匹配，获取匹配数据集；

36、基于s-102数据规范将所述匹配数据集封装至s-102产品的要素实例组，获取二维数组的规则格网；

37、对所述二维数组的规则格网进行校验，获取s-102标准测深表面产品作为高精度复杂测深表面模型构建结果。

38、可选的，所述s-102产品的要素实例组的属性存储地理位置信息，包括边界框范围、格网原点经纬度、格网经纬度间隔、经纬度方向点数、起始序列与实例组数。

39、与最接近的现有技术相比，本发明具有的有益效果：

40、本发明在保留突变地形特征的同时，对远离突变区域的三角网构建不引入额外强制条件，最大限度减少了对非突变区域三角网形态的人为干扰，实现了航道地形的高保真重建，且全流程通过python编程实现自动化处理，提高了数据处理效率。与往常的插值模型对比，从水深点中提取带有水深值的硬断线作为约束，并采用一侧一值的分侧赋值的策略，避免了水深值干扰的问题，同时“三硬断线”约束机制能够约束突变地形的上下边界水深差异，增强了对突变地形的还原效果。本发明按照s-102标准对dem产品进行编码封装，生成用于智慧航道系统的标准化测深表面产品，推动智慧航道与国际标准接轨。