1.一种海底声呐点云数据处理方法，其特征在于，具体包括以下步骤：步骤1：进行原始点云数据的融合

步骤2：对步骤1融合后的点云数据进行高频滤波，高频噪声主要指漂浮在主点群上方的稀疏点和远离主点群中心的具有高频率和大幅值等特点的点群集合，针对高频噪声的特点，采用一种基于近邻点平均距离的滤波算法，将明显离群点进行剔除。去噪后得到的新的点云数据集S'为：其中 为采样点k近邻邻域μn内点到近邻点的平均距离，μn为主体点云的点云距离平均值，σn为标准差。各参数的计算公式如下：步骤3：对步骤2中高频滤波后点云进行点云法向量修正。

步骤4：进行声呐点云低频去燥，该算法表达式为：

s′i＝si-ε·n    (5)

其中：s′i为滤波后的点；si为初始采样点；ε为原始双边滤波因子；n为初始采样点si的法向量方向；

其中 为采样点si的某一邻域点；ni为采样点si的法向量；nj为采样点sj的法向量；Wp为采样点的光顺滤波权因子；Wc为采样点si到邻域点sj法向nj上的特征保持权因子；

光顺滤波权函数Wc(x)定义为:

特征保持权函数Wp(y)定义为:

其中σc和σs为高斯滤波参数，σc等于采样点si的邻域半径，σs等于采样点si的邻域标准差；当σc为定值时，σs的大小变化影响点云特征变化；当σs为定值时，σc的大小变化影响点云的光顺程度。

步骤5：针对步骤4中低频去燥后的点云进行全局精简；

首先，使用kd-tree进行点的k邻域查找；

其次，针对采样点与其相邻点的曲率与法向量差和局部平均距离等定义了采样点的特征值，应用基于区域生长的方式进行点云区域的分割；

最后，依据分割区域的标准对平坦区域和非平坦区域应用不同的点云精简方式，自动调整精简策略。

步骤6：将步骤5中精简过后的点云区域进行分割

a.选取初始点P1，将该点与其k邻域内欧式距离最小的点进行连接得到点P2，形成初始边P1P2，在P1和P2的k邻域中找到符合P2P3+P1P3最短的点P3，从而构造初始三角形P1P2P3。

b.对于初始ΔP1P2P3，将三角形的边界边作为初始边，在曲面S上进行ΔABC的扩展，由于D点的夹角是ΔABC和ΔDBC大于规定范围，选取夹角范围内的点E作为网格点。在实验过程中，对C值选定一个合适的阈值范围对点云的区域生长效果尤为重要。计算相邻三角网格法向量的夹角α，并设定C值对点云表面变化进行表征。假设存在两点M(x1,x2,x3)和N(y1,y2,y3)，对M和N的k邻域点进行计算，并采用同样方式寻找构造点进行扩展：其中 和 分别表示一条重叠边关联的两个平面法向量。由(9)分析可得，C值的取值范围是[0-2]且随法向量夹角α单调递增，如果C值范围较小，则说明新加入的三角形较为平缓，将该点加入初始点所属分片中，否则停止该边进行扩展。

c.在扩展过程中，遇见已扩展的点集时，停止该边的扩展。如果所有边都已扩展完成，将原始数据点与已扩展的点进行分离，跳转至a直到所有点云数据均分离完毕。

步骤7：将点云分为平坦与非平坦区域进行局部精简，确保复杂场景下的精简精度针对平坦区域采用包围盒法进行精简，取部分点就可以做完整描述针对非平坦区域采用阈值分析法进行精简，采用点云特征点保留的越多，越能更好的描述区域细节。

步骤8：海底声呐数据除包含x、y和z三维坐标外，存在第四维回声强度坐标i，采用点云修补算法对第四维坐标进行修补；

通过对数据点的邻域关系从而进行判断某点是否为边界点，先计算每个数据点的k近邻，然后根据求该点的k邻域点的最小二乘拟合曲面，将该点和其邻域点进行投影，再进行边界识别，识别后的边界点包含内外边界，外边界属于点云边缘点，内边界属于孔洞边界点，k点指代某点的邻域点个数为k，是一种点云邻域关系的指代方式。

步骤9：由上一步骤获得了孔洞的边界特征点，使用质心做圆来解决海底声呐点云四维的孔洞修补，该方法可以有效修补海底声呐点云数据产生的三维孔洞，并可以针对第四维声强信息进行合理有效的修补，经本方法修补后的点云孔洞分布均匀，填充点与孔洞点平滑相接，孔洞填充点周围点云声呐分布合理，实现了对海底声呐点云数据的有效处理。

2.根据权利要求1所述的一种海底声呐点云数据处理方法，其特征在于，所述步骤2中近邻点平均距离的滤波算法具体步骤为：

1)针对原始点云中的某一点Si，计算其k邻域内的所有点；

2)应用式(2)、式(3)与式(4)分别计算每个点Si的k邻域内点到其邻域点的平均距离和原始点云中的所有点的 的均方差与平均距离；

3)应用公式(1)来进行噪声点和离群点的判断及剔除。若目标点si的平均距离 大于阈值，则认定该点为噪声点并进行剔除。

3.根据权利要求1所述的一种海底声呐点云数据处理方法，其特征在于，所述步骤3点云法向量修正的具体步骤为：将原始点云经高频滤波处理后进行读入：

S＝{Sj},j∈J,SJ＝A3    (10)

存在S中的某一点Sj可以完成协方差矩阵C的构造，其中J代表原始点云。

其中；Ns为Sj的邻域；Sc则代表Ns内所有点质量的中心。

协方差分析法其自身虽具有抗噪声效果，但是当面对点云的杂乱噪声时，该方法需要进一步修改法向以满足需求。本发明采用高斯权函数进行法矢nj的平滑，求得平滑后的法矢n′i。

4.根据权利要求1所述的一种海底声呐点云数据处理方法，其特征在于，所述步骤4中低频去燥的具体步骤如下：

1)针对某采样点si，计算其k个近邻点zij，j＝1,2,...,k；针对每个k邻近点，计算Wc(x)函数的x＝||si-zij||，其中x代表采样点si到其k近邻点zij的距离；计算函数Wp(y)的y＝，其中y代表采样点si与其k近邻点zij距离向量si-zij与采样点si法向量方向的内积；

2)由(7)和(8)计算出Wc(x)和Ws(x)；

3)将Wc(x)和Ws(x)代入式(6)，计算出ε；

4)计算去噪处理后的新增点集；

5)在所有目标点计算完毕后，结束算法，输出处理后的点云数据。。

5.根据权利要求1所述的一种海底声呐点云数据处理方法，其特征在于，所述步骤5中全局精简的具体实现步骤如下：a.计算法向量差

法向量差主要指某一点xi与其邻域点 的法向量偏差，它反映了某点的弯曲程度。假设存在某局部曲面S，某点xi与坐标中心点的距离为di，则：由上可知，局部拟合的平面S经过xi的最近k邻域的质心 则 可以表示为：对局部平面S的法向量n进行标准化，使其||n||＝1，因此得到的协方差矩阵M可表示为：将协方差矩阵进行特征值和特征向量分解得到 以及 特征向量，如果 则xi的法向量ni为 或者为 对于xi的法向量的方向，则需要通过法向量重定向。

如果稠密且光滑点云中存在某两个点xi和xj，且它们的距离足够接近，则可近似地认为两点的法向量ni和nj平行，即ni·nj≈±1，如果数据点的法向量方向相同，则ni·nj≈1，否则，ni和nj中的一个需要反转过来。具体步骤如下：

1)构建无向连通图G。对于点xi和xj距离越近，就越有可能法向量同向，所以，以1-|ni·nj|作为边(i,j)的权重。

2)确定初始传播点。将极值点作为法向估计的初始传播点，该点的法向方向应与坐标方向一致。

3)确定传播方向。根据无向图的最小生成树的传播方向，最小化传播路径的权重以确保全局优化。

4)通过传播方向。将目标点云中所有点进行重定向，便可得到所有点集的法向量估计。

计算采样点xi的法向量ni，设其邻域点集为N(xi)，则点xi与邻域点的法向差可表示为：法向量差综合考虑了目标点与其邻域点之间的法向量偏差。该值越大，该点起伏越大，该点是特征点的可能性越大；该值越小，该点周围曲面较为平坦，该点处于点云平滑区域，是特征点的可能性较小。

b.计算区域平均距离

区域平均距离是指点云中的点与其相邻区域中的所有点的欧式距离均值。通过上文采用的kd-tree法计算点云中的某一点x的邻域点集可表示为：ω(xi)(i＝1,2,3，...，k)。对任意一点x的k领域计算如下：区域平均距离反映了点云的密集程度，d(x)的值越大，该点成为特征点的几率越高。

c.计算曲率

曲率反映目标点周围弯曲程度，由(15)求得的协方差矩阵M的特征值λj(j＝0,1,2)均为非负实数，假设：(0＜λ0＜λ1＜λ2)，与之相对应的三个特征向量vj(j＝0,1,2)组成一个正交基。定义目标点的曲率cui为：d.计算特征阈值及参数

根据法向量差、局部平均距离和曲率这三个特征判断指标定义点云的参数特征参数为：其中α是特征系数，N(xi)表示点xi的邻域集合，cui表示该点的最终曲率，d(x)表示该点的局部平均距离。

如果某点的d(x)越小，曲率cui越大，则cui/d(x)的值越大，同时若该点的法向量差也极大，则 的值越大，该点成为特征点的概率极大。

精简的特征阈值可以由点云密度和点云尺寸进行定义，点云密度可以由八叉树划分后的叶子节点对角线长度l进行定义，而目标点与点云中心点的最大距离dmax可以对点云尺寸进行衡量，所以有：γ＝l/dmax     (20)

经过对特征阈值和特征参数的定义与设定，就可以有效地制定针对点云非平坦区域进行精简的策略。

6.根据权利要求1所述的一种海底声呐点云数据处理方法，其特征在于，所述步骤7中a.针对平坦区域主要采用包围盒法进行精简，步骤如下：

1)计算点面平均距离，将超过点面平均距离的点提取并保存。

2)应用包围盒对该区域的点进行划分，每个包围盒里面的点用其重心点代替。重心点是距离中心最近的那个点，通过对中心点位置的确定，便可计算重心点。

假设任一包围盒中包含的点云数为n，用集合 表示，任一点的坐标记为(si,x,si,y,si,z)，包围盒中每个点到中心点距离 为:通过计算得到距离中心点最近的重心点Sg，并将包围盒内的重心点进行保留。

3)提取平坦区域边界点，并与步骤(1)和(2)的点进行点云的拼接形成精简后点云。

b.针对非平坦区域，步骤如下：

1)计算点的k邻域，计算特征参数(法向差、局部平均距离和曲率)，并对点进行特征判断，提取特征点进行保留。

2)将阈值内的点进行曲率判断，对于曲率较小的点做较大程度精简。

3)将两类点云进行拼接，形成精简后点云。

7.根据权利要求1所述的一种海底声呐点云数据处理方法，其特征在于，所述步骤9中四维的孔洞修补具体步骤为：假设获取到的边界点的集合为T＝{Ti(xi,yi,zi,ii),i＝1,2...,n}计算边界的质心如下：设边界点到质心的最短距离为dmin则有：

其中dave是上文求得的点云全局平均距离。将l向下取整求得待扩张的同心圆数目，将所有孔洞点与质心连线，连线与同心圆的交点便是孔洞修补的填充点。设Ti与孔洞边界点的质心连线与同心圆的交点为Tadd，则有：其中：N对应着向外扩的第N个圆，N＝0,1,...,l。

关于第四维数据强度I，这里规定位于同一半径连接线上的所有点的I值相等，即从质心到最外边界点Ti的连线所有与同心圆的交点的强度值相等。质心强度值为所有孔洞边界强度平均值。

由质心法扩圆的具体实现步骤如下：

1)计算孔洞边界数据点的质心；

2)计算(23)中的l并向下取整作为待扩张的同心圆数目；

3)进行同心圆扩充，扩充个数为全局平均距离dave的N倍；

4)将边界点与所有边界点的质心点进行连接，连接线与步骤(3)中扩充的同心圆的交点作为新增的孔洞三维填充点；

5)将同一质心与边界线连线上的所有点集的强度值应用连线最外边界强度值进行赋值。得到修补后的新四维点集数据集合A。

由于同心圆的特征可知，修补后的点云数据集具有一定的缺点，越靠近内圈的时候点云越密集，这样相对于原始数据会显得不真实。所以要对修补后的孔洞进行均匀化处理。具体实现步骤如下：

1)读取孔洞边界及填补后的点云集Pn；

2)计算点与点之间相邻数据之间线段的长度，如果所有线段之间的长度均大于全局平均点距离dave，进行(4)，否则继续进行(3)；

3)对每个点的相邻线段长度和进行计算，剔除最短线段上的点，保存现有点云，并跳转至(1)；

4)保存所有的点集得到新的集合Pm。