机载LiDAR测深最终需要获得测量点在地理坐标系下的位置、高程或基于深度基准面的水深值，然而，在外业采集后，直接获得的是各传感器的测量数据，需进行各项归算，得到激光点云，并改正系统误差的影响，因此，需要对点云数据进行相应处理。下面简要介绍机载LiDAR测深点云处理过程。

机载LiDAR测深系统所获取的数据主要有激光测距数据、GNSS数据、姿态数据和潮位数据等，其数据处理的基本流程是：首先从激光波形数据中提取飞机到海面及海底的相对斜距等信息，计算海面点和海底点在扫描仪坐标系下的相对位置；然后联合GNSS数据、姿态数据共同解算出激光在海面点和海底点的绝对地理位置；接着改正海面波浪的影响；最后，根据潮位观测数据，将海面至海底的瞬时斜距归算成海图图载水深或计算出海底点的高程。

1.数据预处理

数据预处理主要是对各相关传感器的外业数据进行整理，得到相应的位置、姿态、角度等信息。通过外业测量，得到各传感器原始测量数据，对激光束入射角、激光回波、GNSS定位和IMU姿态数据进行预处理。根据激光入射角度、折射率求出折射角度；对GNSS定位数据和IMU姿态数据进行卡尔曼滤波，实现高精度的定位和定向；并对数据进行粗差剔除处理，为后续数据处理做好准备工作。

2.信息提取

信息提取主要是从激光回波信号中提取有效的海面信号和海底信号。需要克服机载激光测深信号强度动态范围大、回波信号微弱、背景噪声干扰多等不利因素，将有效的微弱回波信号从噪声信息中提取和分离，通过分析和识别激光回波信号波形，确定回波信号从海表到海底的时间差和返回强度（翟国君，2014）。

这一数据处理过程需要明确分辨出海面信号和海底信号，需要信号具有较高的信噪比，要有较高的水深提取精度，这也是系统研制过程面临的一个难点。采用传统方法很难准确识别海底回波的拐点，如此势必影响水深测量的精度。解决问题的方法主要有两方面：第一，采用自适应阈值以及匹配滤波方式，提高检测准确性；第二，采用灵敏度高的激光器元件，提高信号检测的精度。

3.数据同步

数据同步是将各个传感器采集数据的时间统一到参考的标准时间下（刘钊等，2009），实现多源数据按时标一一对应，以保证数据的统一性。这是多传感器集成的基础，是数据融合的关键，如果时间同步没有控制好，会导致后续点云错位、变形。一般采用GNSS秒脉冲信号作为标准时标，实现各传感器的时标同步。

图8-18　数据同步紊乱的测深效果图

除确定标准时标外，还存在各传感器测量频率不同或时延的问题。当前激光测深的测量频率已达550kHz，测深数据量巨大，GNSS/INS更新频率相对有限，一般不超过200Hz。因此，机载LiDAR测深数据与GNSS定位、姿态数据同步处理时，需要进行GNSS、姿态数据内插，从而实现机载LiDAR测深数据与GNSS数据、姿态信息一一对应，为接下来的空间配准提供数据源。而各传感器的时延通常较小，在系统校准后时延误差可忽略不计。

4.空间配准

空间配准的实质是利用多源数据实现坐标转换，将原始激光数据与IMU/GNSS解算结果相结合，并加入检校参数进行校正，计算出每束激光测点的三维地理坐标，由此获得所需的点云数据。

空间配准的过程中实现了载体姿态效应改正。机载LiDAR测深属高动态条带式测量系统，这种动态效应无疑增大了数据后处理的复杂性。因此要通过对这种动态测深技术涉及的空间结构分析和研究，建立起严密的测深数学模型，在此基础上通过引入惯导坐标系和当地水平坐标系来描述载体的姿态，通过载体的姿态角、激光扫描装置的扫描角来计算确定测点位置和深度值。

机载LiDAR测深系统最初获得的点云数据是扫描仪坐标系下的坐标，需要通过坐标转换，将扫描仪坐标系下的坐标经惯导坐标系、当地水平坐标系转换到大地坐标系下，以此获得地理坐标系下的点云数据。具体参见第2章，本节不再赘述。

5.波浪改正

机载LiDAR测深最初获得的海水深度为瞬时海面深度，受波浪和潮汐影响，因此必须进行相应的深度归算。波浪改正是机载LiDAR测深技术中关键的测量环境改正，改正精度的高低直接影响测深系统的整体测量精度水平。波浪信息需要通过机载LiDAR测深系统测量的数据计算获得（胡善江，2007），结合潮位改正最终获得海底点的精确高程和对应的水深信息。波浪改正和潮汐改正的目的是为了通过平均海面的高程来计算海底点的高程，或者推估深度基准面来得到图载水深。如果仅需得到海底点的大地高，则不需波浪与潮汐改正。机载LiDAR测深系统的空间结构如图8-19所示。

图8-19　机载LiDAR测深空间结构图

具体的波浪改正方法主要有三种：无修正法、滤波法和惯导辅助修正法（Guenther，2000；欧阳永忠，2003；陈卫标，2004），下面分别进行介绍。

（1）无修正法

无修正法，即不进行波浪和潮汐改正，基于GNSS能够提供机载平台高精度的三维坐标，采用海底作为过渡面，直接得到海底点的高程和对应的水深，其深度归算过程完全避开了波浪改正项和潮汐改正项的干扰，不需同步验潮，缺点是需已知大地水准面高度和海面地形高模型信息。无修正法的具体计算过程如下：

①由h、h1、h2计算海底点的大地高hd：

②利用大地水准面模型和海面地形模型计算平均海面高度（即平均海面至参考椭球面的距离）hm为：

其中，N为大地水准面高度（即大地水准面至参考椭球面的距离），ζ为大地水准面与多年平均海面的差异（即海面地形）。(www.daowen.com)

hm的计算，除以上方法外，也可直接由卫星测高手段求得，或是通过在沿岸验潮站附近的水准点上进行GNSS高程测量间接求出。

③由hd和hm计算海底点相对平均海面的距离：

④计算海底点相对于深度基准面的深度H为：

其中，L为平均海面与深度基准面的差异。

如果需要得到海底点的高程，只要已知大地水准面高度N，直接与大地高hd求差即可得到。

（2）滤波法

波浪改正实质上是计算一个超短期平均海平面（不受波浪影响，但受潮汐影响）。不同类型的机载LiDAR测深系统对应有不同的平均海平面确定方法，需根据型号确定。对于双色激光系统，分两种情况进行平均海平面的确定。一种是红外激光和绿色激光不做共线扫描，而是红外激光垂直射到海水表面。由于红外激光的波束角较宽，其在海面的光斑直径为20～30m，经过一定的波形处理可得到该范围内的平均海面；另一种是红外激光和绿色激光做共线扫描，飞机上的加速度计和姿态传感器可实时提供飞机的姿态和垂直运动量，这样在一定时间段内，通过滤波的方法可确定出相应的平均海水面。对于单色激光系统，类似于双色激光系统中红外激光和绿色激光做共线扫描的情况，但其绿色激光在海面的光斑直径仅有50cm（飞行高度控制在500m之内），也可利用在一定的时间段内，通过滤波的方法确定出相应的平均海面。

滤波法是利用差分GNSS技术得到激光器中心精确的大地高，用激光测得飞机到海面的瞬时距离和海底斜程，通过测点附近多次平均进行滤波，消除波浪影响，或者对扫描线上的点云时间序列，根据波浪所处的时间周期，采用小波分析、傅里叶变换、数字滤波器等数学工具直接分离出波浪信息。该方法的优点是不需已知大地水准面高度和海面地形高等模型信息，借助系统本身密集的点云即可实现波浪改正，缺点是滤波过滤了一部分海底细节。

（3）惯导辅助修正法

前两种方案都是建立在定位系统能够提供高精度大地高h基础之上的，惯导辅助修正法克服了需要高精度大地高观测值h的限制（欧阳永忠，2003；黄谟涛，2003），通过飞机平台上的惯性导航系统测得的加速度信息改正飞机航高的变化，将机载LiDAR测深系统的瞬时水深值归算到图载水深，其主要计算步骤为：

①以某个时间段的开始时刻t1为基准，计算激光发射器中心在t（t1≤t≤t2）时刻的高度变化量Δh。

②计算瞬时海面起伏的高度变化值

③在[t1，t2]时间段内求的平均值

其中，n为样本个数。

④由和计算波浪改正数Δhb为：

综上所述，无修正法和滤波法需要定位系统提供高精度大地高观测值h，这在沿岸及岛礁区域比较容易实现，因而这两种方案应用广泛。但是如果没有大地水准面和海面地形模型，无修正法不能作为首选方案。由于卫星测高在近岸精度不高，其得到的平均海面高将失去可靠性（黄谟涛等，2001）。惯导辅助修正法要求飞机平台上的惯性导航系统能够提供载体在高度方向上的高精度变化量Δh，这种方案不要求已知载体的大地高，其应用范围较为灵活。

6.潮汐改正

由于日月引潮力的影响，使得海面总是处在周期性不停地升降过程中。为了得到不受海洋潮汐影响的稳定的水深，就必须对水深测量进行潮汐改正。机载LiDAR测深的区域在大陆沿岸附近，也可能在远离大陆的岛屿附近，这就决定了其潮汐改正可采用以下方法：一是测量期间在沿岸附近布设验潮站，利用实际的潮汐观测数据对机载LiDAR测深结果进行改正；二是利用全球卫星定位技术，通过采用无验潮作业模式，达到所谓的潮汐改正的目的；三是在远离大陆的岛礁附近，如果难以布设验潮站，可采用潮汐数值预报的方法进行潮汐改正；四是通过在测区内安置海底自动验潮仪实施潮汐改正。

7.质量控制

机载LiDAR测深系统是由多个传感器组成的综合性测量系统，由于水质、水团、海藻、鱼群、漂浮物等因素的影响，测深信号难免受到各种因素的影响而产生异常数据和系统误差。为了获得高质量、高精度的海底地形探测成果，必须对整个测量过程进行质量监测和质量控制。粗差是影响测深数据质量的一个非常重要的问题，需要对测深数据进行粗差定位与剔除，在数据后处理阶段可综合应用曲线移动判别法、抗差估计判别法和立体仿真判别法等，对测深数据进行质量控制。

8.融合处理

机载LiDAR水深测量属于条带式面状测量的一种，为了满足全覆盖测量要求，测线布设及测量时要求相邻条带之间须有一定宽度的重叠部分。由于受各种干扰因素的影响，在相邻重叠区域内的公共点上，必然存在一定大小的深度不符值。与多波束水深测量类似，需要在往返测条带的重合部分进行合理拼接，以便消除重合部分的不符值。如何利用公共点上的不符值信息来提高机载LiDAR测深成果的整体精度，是数据后处理的一项重要内容。可采用以下措施来处理相邻条带测深数据的融合问题：通过对机载LiDAR测深系统中各个传感器的误差特征分析，建立合理的系统误差模型；通过相邻条带重叠区内的公共点，建立包含随机噪声和系统误差在内的带有附加参数的自检校平差模型；在最小二乘条件约束下，通过合理选权，求解平差模型，从而消除各类误差的综合影响，最终达到提高测量成果整体水平的目的。