1.一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，包括如下步骤：S1：自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；

S2：确定水下光子信号滤波参数与光子信号高程值的关系；

S3：对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果。

2.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，所述步骤S1中，自适应获取水面光子信号椭圆密度滤波参数的步骤包括：S11：获取光子计数激光雷达原始点云数据 ：，

其中， 为每一个光子信号的沿轨距离， 为每一个光子信号的高程， 为原始点云数据包含的光子数量；

S12：以 为高程方向切片间隔，将原始数据在高程方向切分为 个切片单元：；

S13：对于S12中切分的 个切片单元，统计每个切片单元中的光子信号数量 ：，

其中， 为每个高程切片中心高程， 为切片单元中的光子信号数量；

S14：利用正态分布曲线对高程切片中心高程与切片单元中的光子信号数量 之间的关系进行拟合，得到拟合关系 为：，

其中， 表示包含光子信号最多的高程切片中的光子信号数量， 表示该切片的中心高程， 为正态分布标准差， 为正态分布自变量；

S15：以S4中的 为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线，同时确定搜索椭圆的短半轴长度b：其中， 为水面光子高程下限， 为水面光子高程上限；

S16：以水面光子高程下限 和上限 为界，获取每个水面光子的高程，形成水面光子数据集 和水下光子数据集 ：，

其中， 表示水面光子数据集中某个光子的沿轨距离， 表示水面光子数据集中某个光子的高程， 为原始数据集中满足下列条件的光子的数量：，

表示水下光子数据集中某个光子的沿轨距离， 表示水下光子数据集中某个光子的高程， 为原始数据集中满足下列条件的光子的数量：；

S17：在水面光子数据集 中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度 为分界，将水面光子放入 个数据集 中：，

；

S18：统计 个集合中光子在高程方向的最大差值 ，并获取均值 ，从而获取长半轴长度a：

，

，

，

其中， 为搜索椭圆的长轴与短轴的比值；

S19：在水面光子数据集 中，遍历所有数据点，以该点为中心，a为搜索椭圆的长轴，b为搜索椭圆的短轴构建搜索区域，统计搜索区域内的点数 ，并计算点数均值，获取初始最小点数 ：

；

S110：遍历水面光子数据集 中的每一个点，以该点 为中心，以a、b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集 中其余的点 是否位于搜索区域：，

若 ，则点 位于以 为中心的椭圆搜索区域中，统计搜索区域中所有的信号点数；若 ，则将 标记为信号点，否则为噪点。

3.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，对于所述步骤S2，水下光子信号滤波参数与光子信号高程值的关系确定方法为：S21：水面光子滤波完成后，以S13形成的数据集 为基础，确定水下光子随着水深的变化情况，得到二者的关系系数 ；

S22：在水下光子数据集 中，以点 为中心，椭圆搜索长半轴 、短半轴 、最小点数阈值 均分别与与水面光子滤波椭圆长轴、短轴、最小点数阈值初始值、关系系数相关：，

以 为间隔将搜索椭圆绕x轴逆时针旋转形成 个方向不同的椭圆搜索区域：。

4.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，对于所述步骤S3，水深提取结果获取方法为：S31：遍历水下光子数据集 中的每一个点，以该点 为中心，以为长半轴、短半轴的椭圆，判断水下光子数据集 中其余的点是否位于第 个椭圆搜索区域；

，

式子中：

，

若 <1，则点 位于以 为中心的旋转椭圆搜索区域中，统计该旋转椭圆搜索区域中所有的信号点数 ；选取所有旋转椭圆中，包含光子点数最大的椭圆作为该点的滤波椭圆；

，

若 大于最小点数 ，则将 标记为信号点，否则为噪点。

5.根据权利要求2所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤S11中，光子计数激光雷达原始点云数据 为一个二维点集。

6.根据权利要求2所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤S13中，通过以每个高程切片中心高程 为横轴，切片单元中的光子信号数量 为纵轴，来构建二者之间的关系。