[发明专利]一种管道声呐点云去噪方法和系统

说明书

本发明公开了一种管道声呐点云去噪方法和系统，属于排水管道检测领域。包括：对管道内原始声呐扫描数据去除离群噪声，得到初筛后声呐点云；对初筛选后声呐点云进行聚类，得到3个全局最优聚类中心坐标和聚类半径；根据位于最顶层的全局最优聚类中心坐标和聚类半径，确定为高密度噪声，从初筛后声呐点云中剔除。本发明首先对管道内原始声呐扫描数据去除离群噪声，得到初筛后声呐点云，以获得更准确的数据进行进一步处理再通过聚类，得到3个全局最优聚类中心坐标和聚类半径，最后根据位于最顶层的全局最优聚类中心坐标和聚类半径，确定为高密度噪声，从初筛后声呐点云中剔除，保证了扫描结果的精确度和可读性，提高声呐点云数据的处理效率。

技术领域

本发明属于排水管道检测领域，更具体地，涉及一种管道声呐点云去噪方法和系统。

背景技术

随着人类社会的不断发展，城市集聚效应愈发明显，大城市对水资源的用量越来越大，必然会产生大量污水废水，这对城市地下排水管道提出了更高的要求。但是，传统的排水管网图纸多数为纸质文件夹和扫描件，依靠人工整理归档，图纸检索、校对、修改等工作量巨大；而且，随着城市的不断发展，新建设管网项目和已建设管网项目对接配套混乱，难以理清地下管道布置状况，可能会造成对已有污水管道误挖，产生重大经济损失。因此，如何准确快速的识别管道信息，理清城市地下管道脉络，具有显著的现实意义。

声呐检测作为一种扫描技术，具有灵敏度高，穿透力强，探伤灵活，效率高，成本低等优点，可以提供准确的数据资料，并且可与CCTV(Closed Circuit Television，闭路电视检测)相结合对管道进行全面检查，从而知悉管道任意横截面位置处，管道的轮廓。但是，在管道检测过程中，必然会产生噪音污染，目前主流去噪方法以滤波去噪为主，其效率和精度都有待提高。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种管道声呐点云去噪方法和系统，其目的在于保证扫描结果的精确度和可读性，提高声呐点云数据的处理效率。

为实现上述目的，按照本发明的第一方面，提供了一种管道声呐点云去噪方法，该方法包括：

S1.对管道内原始声呐扫描数据去除离群噪声，得到初筛后声呐点云；

S2.对初筛选后声呐点云进行聚类，得到3个全局最优聚类中心坐标和聚类半径；

S3.根据位于最顶层的全局最优聚类中心坐标和聚类半径，确定为高密度噪声，从初筛后声呐点云中剔除。

优选地，步骤S1中，采用自适应DBSCN算法去除离群噪声。

有益效果：针对声呐扫描结果存在噪声点、管道面不直观等问题，本发明优选自适应DBSCN算法去除离群噪声，由于其从样本密度的角度考察样本之间的连接能力并在可连续样本的基础上不断扩展聚类，实现简单和灵活的检测不同大小和形状的簇，得到最终的聚类结果。

优选地，采用改进的鲸鱼算法对初筛选后声呐点云进行聚类，聚类中心作为鲸鱼位置，所述改进的鲸鱼算法具体如下：

经典鲸鱼算法的螺旋生生位置更新机制不变，收缩包围机制采用自适应权值：

其中，表示更新后的位置矢量，表示目前最佳位置矢量，ω表示自适应权值，表示矢量因子，ω_max,ω_min分别表示自适应权值最大值和最小值，i表示当前迭代轮次，M表示最大迭代次数。

有益效果：相对于其他鲸鱼算法容易陷入局部最优解的问题，本发明改进了WOA权值调整方式，在鲸鱼接近食物时，通过引入一个较小的权值来改变鲸鱼的位置，提高其局部搜索能力。针对收敛精度不高的问题，本发明优选改进的鲸鱼算法对初筛选后声呐点云进行聚类，由于引入自适应权值，增强了WOA的局部寻优能力，实现围绕局部优化进行细致搜索，提高其局部搜索能力，从而提高收敛精度。