1.一种机载LiDAR测深航带同名点确定方法，其特征在于，包括：步骤1：基于获取的机载LiDAR测深数据，提取海底地形特征；

步骤2：顾及邻域地形复杂度多指标模型，进行同名点粗确定；

步骤3：结合同名点间距约束与RANSAC算法，剔除错误点对进行同名点精确定；

提取海底地形特征包括：

利用LM算法构建海底点云局部模型，如式（1）所示：（1）；

式中：(x，y，z)为激光点三维坐标，a、b、c、d、e、f为趋势面模型系数；

基于式（1）计算激光点坡度φ、曲率CG、粗糙度Kr；

S1.1.计算采样点x，y方向上的坡度，如式（2）所示：(2)；

式中：φx和φy分别表示采样点x、y方向上的坡度；

采样点坡度计算如式（3）所示：

(3)；

S1.2.选择高斯曲率(CG)作为地形特征参数，已知在曲面中，每个点都具有两个曲率半径分别为Rmax和Rmin，与最大曲率Cmax和最小曲率Cmin存在Cmax=1/Rmax、Cmin=1/Rmin的关系，其中Rmax和Rmin分别是式(4)中关于曲率半径R的两个根：(4)；

式中： ；

计算高斯曲率CG，如式（5）所示：

(5)；

S1.3.计算地形粗糙度如式（6）、（7）所示：(6)；

(7)；

式中：Ss表示该采样点的局部拟合曲面面积，SE表示该采样点的局部拟合曲面相对应地表水平投影的面积；

进行同名点粗确定包括：

S2.1.构建邻域地形复杂度多指标模型，获取每个邻域点的坡度、曲率、粗糙度以及每个邻域点与采样点的距离，采用KD树算法确定邻域点集，选用反距离权重法构建邻域地形复杂度多指标模型，如式（8）所示：(8)；

式中：ωj =1/rj，代表权重；n为Pi邻域点的个数；j=1,2,…,n；Pi为点云中任意一点，rj j代表其邻域点距Pi的距离；φ 为Pi的第j个邻域点的坡度； 为Pi的第j个邻域点的高斯曲NT率； 为Pi的第j个邻域点的粗糙度；φ (Pi)、 (Pi)、 (Pi)分别表示邻域地形复杂度坡度、曲率、粗糙度指标；

S2.2.阈值约束，设置最大容许误差约束系数ε以实现阈值的自动选取，设机载LiDAR测深系统获取的两条相邻航带为点云A、B，先计算出点集A、B的平均地形特征参数，计算公式如式（9）所示：(9)；

Ai Bi

式中：NA、NB分别为点集A、B中的点的数量，φ 、φ 表示点集A、B中第i点的坡度； 和表示点集A、B中第i点的曲率； 和 表示点集A、B中第i点的粗糙度；

为点集A和B共同的平均坡度、平均曲率、平均粗糙度；

S2.3.求取A、B点集的地形特征值，与式（9）中所求取的平均值间的绝对差值，将绝对差值进行升序排列后，选用第Nr位的差值作为正确同名点间地形差异的最大容许量，即阈值T0、T1、T2，设置最大容许误差约束系数为ε，则Nr可表示为式（10）：(10)；

计算阈值T0、T1、T2如式（11）所示：(11)；

1 2 3 N

式中：N=NA+NB，其中Δφ 、Δφ 、Δφ 、…、Δφ 代表A、B点集中各点对间的坡度特征差值， 代表A、B点集中各点对间的曲率特征差值，代表A、B点集中各点对间的粗糙度特征差值；

S2.4.同名点粗确定，依据构建出的邻域地形复杂度多指标模型定义同名点粗确定条件，如式（12）所示：(12)；

式中： 为A、B点集中相应点间坡度差异， 为A、B点集中相应点间曲率差异，为A、B点集中相应点间粗糙度差异。

2.根据权利要求1所述的一种机载LiDAR测深航带同名点确定方法，其特征在于，对进行同名点精确定包括： “潜在同名点对”间的距离Li如式（13）所示：(13)；

式中：i=1,2,3,…,n，其中n代表“潜在同名点集”中点对的数量，xAi、yAi、zAi代表航带A中“潜在同名点”的坐标值，xBi、yBi、zBi代表航带B中“潜在同名点”的坐标值；

求出点对集合S的对应点对距离的最大值Lmax与最小值Lmin，从集合S中随机选取一对同名特征点并计算其欧式距离差，统计其它点对的欧式距离差与之绝对差值在[0，k×(Lmax‑ Lmin)]内点的数量，遍历所有的点对，选择拥有最大数量的点对的欧式距离近似作为同名点间距，来剔除错误同名点对，生成新的同名点集S，多次迭代直至获取最优同名点对；其中，k为比例系数。