一种基于神经网络的激光雷达三维距离像超分辨率重建方法技术

本发明专利技术是一种基于神经网络的激光雷达三维距离像超分辨率重建方法。本发明专利技术涉及三维距离像超分辨率重建技术领域，本发明专利技术根据一组高分辨强度像Z和低分辨距离像X，用理想的高分辨距离像Y表示低分辨距离像X上的任一像素s；确定高分辨强度像Z与理想的高分辨距离像Y存在非线性映射关系，并建立损失函数；增加高分辨强度像Z的像素映射范围，引入图像像素坐标编码与区域像素编码，进行超分辨重建。本发明专利技术较双三次插值、引导滤波、TGV、标准图像引导算法、区域相似度引导算法性能更优，对于低分辨Gm

【技术实现步骤摘要】
一种基于神经网络的激光雷达三维距离像超分辨率重建方法


[0001]本专利技术涉及三维距离像超分辨率重建
，是一种基于神经网络的激光雷达三维距离像超分辨率重建方法。

技术介绍

[0002]在真实世界的成像探测中，将传统的二维成像扩展到具有距离信息的三维成像是极具意义的。三维成像方法包括立体视觉、立体结构光、深度测量相机、扫描激光雷达、固态激光雷达、闪光激光雷达等。其中，激光雷达有着无与伦比的先天优势：体积小、重量轻、采集数据密度大、测距精度高、成像速度快、植被穿透力强、不受太阳高度角和阴影影响、隐蔽性好、抗干扰能力强等特点。
[0003]Gm
‑
APD(基于盖革模式APD阵列)激光雷达属于无扫描式激光三维成像雷达，其易于集成、探测灵敏度高、具有单光子探测能力，Gm
‑
APD的激光光源发射出激光脉冲，并通过探测器测得脉冲的飞行时间，从而计算出每个像素点的距离值，获得三维距离像，因此Gm
‑
APD对微弱信号目标的探测更有优势。
[0004]虽然Gm
‑
APD激光雷达的距离像拥有高距离分辨率，但受制于Gm
‑
APD成像单元阵列尺寸的限制，其自身成像的空间分辨率很低。提升图像分辨率最直接的做法是对采集系统中的光学硬件进行改进，但是由于制造工艺难以大幅改进并且制造成本十分高昂，因此物理上解决图像低分辨率问题往往代价太大。由此，需要从软件和算法的角度着手，实现图像的质量提升，将给定的低分辨率Gm
‑
APD激光雷达图像通过特定的算法恢复成相应的高分辨率图像。
[0005]对于定义在二维空间上的图像，传统方法都将其看成一个二维马尔可夫随机场，利用马尔可夫性质描述图像中邻近像素之间的关系，从而模拟数字图像，并将超分辨率重建问题转化为求解马尔可夫随机场优化模型问题。但真实的图像并不是严格意义上的马尔可夫随机场，传统方法为了建立优化方程而采用了数学近似，并在优化方程的求解过程中采用了数学近似计算，因此重建效果并不理想。

技术实现思路

[0006]针对现有技术的以上缺陷或改进需求，本专利技术为通过神经网络来获取高空间分辨率的激光雷达三维距离像，本专利技术提供了一种基于神经网络的激光雷达三维距离像超分辨率重建方法，本专利技术提供了以下技术方案：
[0007]一种基于神经网络的激光雷达三维距离像超分辨率重建方法，所述方法包括以下步骤：
[0008]步骤1：根据一组高分辨强度像Z和低分辨距离像X，用理想的高分辨距离像Y表示低分辨距离像X上的任一像素s；
[0009]步骤2：确定高分辨强度像Z与理想的高分辨距离像Y存在非线性映射关系，并建立损失函数；
[0010]步骤3：增加高分辨强度像Z的像素映射范围，引入图像像素坐标编码与区域像素编码，进行超分辨重建。
[0011]优选地，所述步骤1具体为：
[0012]对于一组对应的高分辨强度像Z和低分辨距离像X，理想的高分辨距离像为Y，且理想的高分辨距离像Y与高分辨强度像Z尺寸维度一致，低分辨距离像X上的m
×
m区域对应理想的高分辨距离像Y上映射位置的(D
×
m)
×
(D
×
m)区域，D为高分辨距离像Y和低分辨距离像X的比例倍数，低分辨距离像X上的任一像素s通过下式表示：
[0013][0013][0014]优选地，所述步骤2具体为：
[0015]高分辨强度像Z与理想的高分辨距离像Y存在非线性映射关系，通过下式表示非线性映射关系：
[0016][0017]对于实际的图像，低分辨距离像X上的任一像素s通过下式表示为：
[0018][0019]其中，q表示高分辨强度像Z中D
×
D区域的像素，Q表示q的5
×
5邻域，邻域尺寸不足以0填充；
[0020]在约束条件下，期望得到一组参数θ，使得损失函数达到最小值，通过下式表示：
[0021][0022]在网络中采用l2范数进行正则化，则通过下式表示损失函数：
[0023][0024]优选地，所述步骤3具体为：
[0025]增加图像Z的像素映射范围，引入图像像素坐标编码，f1针对单个像素，因此采用像素序号进行单像素编码；f2针对区域像素，因此取同一区域的像素序号相同，进行区域像素编码，则通过下式表示损失函数表示为：
[0026][0026][0027]当原始距离像分辨率低，进行插值才能与处理后的高分辨率距离像进行距离值对比，进行原始距离像插值上采样，完成超分辨采样。
[0028]优选地，针对强度像的每个像素点与邻域并不完全独立，对每个像素块都采用2层3
×
3卷积，提取邻域信息。
[0029]优选地，取高分辨强度像Z为ICCD强度像，取低分辨距离像X为Gm
‑
APD距离像。
[0030]优选地，取高分辨强度像Z为超分处理后的Gm
‑
APD强度像，取低分辨距离像X为Gm
‑
APD距离像。
[0031]一种基于神经网络的激光雷达三维距离像超分辨率重建系统，所述系统包括：
[0032]像素提取模块，所述像素提取模块根据一组高分辨强度像Z和低分辨距离像X，用
理想的高分辨距离像Y表示低分辨距离像X上的任一像素s；
[0033]损失函数模块，所述损失函数模块根据确定高分辨强度像Z与理想的高分辨距离像Y存在非线性映射关系，并建立损失函数；
[0034]超分辨重建模块，所述超分辨重建模块增加高分辨强度像Z的像素映射范围，引入图像像素坐标编码与区域像素编码，进行超分辨重建。
[0035]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现一种基于神经网络的激光雷达三维距离像超分辨率重建方法。
[0036]一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行一种基于神经网络的激光雷达三维距离像超分辨率重建方法。
[0037]本专利技术具有以下有益效果：
[0038]本专利技术通过神经网络来获取高空间分辨率的激光雷达三维距离像，主要针对两种应用方式：第一种是采用高空间分辨率的ICCD相机和高距离分辨率的Gm
‑
APD激光雷达复合成像，用ICCD强度图引导Gm
‑
APD距离图；第二种是只采用高距离分辨率的Gm
‑
APD激光雷达成像，用Gm
‑
APD强度图引导其自身的距离图。
[0039]本专利技术方法重构像较其他算法重构像清晰度更高、细节信息更丰富且边缘更锐利，较TGV和标准图像引导算法的纹理复制现象更少。从表1可见，在放大倍数较高时，即低分辨距离像边缘轮廓等信息缺失较严重，本专利技术算法获得了最优的指标，在放大倍数较低时，本专利技术算法的指标表现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的激光雷达三维距离像超分辨率重建方法，其特征是：所述方法包括以下步骤：步骤1：根据一组高分辨强度像Z和低分辨距离像X，用理想的高分辨距离像Y表示低分辨距离像X上的任一像素s；步骤2：确定高分辨强度像Z与理想的高分辨距离像Y存在非线性映射关系，并建立损失函数；步骤3：增加高分辨强度像Z的像素映射范围，引入图像像素坐标编码与区域像素编码，进行超分辨重建。2.根据权利要求1所述的一种基于神经网络的激光雷达三维距离像超分辨率重建方法，其特征是：所述步骤1具体为：对于一组对应的高分辨强度像Z和低分辨距离像X，理想的高分辨距离像为Y，且理想的高分辨距离像Y与高分辨强度像Z尺寸维度一致，低分辨距离像X上的m
×
m区域对应理想的高分辨距离像Y上映射位置的(D
×
m)
×
(D
×
m)区域，D为高分辨距离像Y和低分辨距离像X的比例倍数，低分辨距离像X上的任一像素s通过下式表示：3.根据权利要求2所述的一种基于神经网络的激光雷达三维距离像超分辨率重建方法，其特征是：所述步骤2具体为：高分辨强度像Z与理想的高分辨距离像Y存在非线性映射关系，通过下式表示非线性映射关系：对于实际的图像，低分辨距离像X上的任一像素s通过下式表示为：其中，q表示高分辨强度像Z中D
×
D区域的像素，Q表示q的5
×
5邻域，邻域尺寸不足以0填充；在约束条件下，期望得到一组参数θ，使得损失函数达到最小值，通过下式表示：在网络中采用l2范数进行正则化，则通过下式表示损失函数：4.根据权利要求3所述的一种基于神经网络的激光雷达三维距离像超分辨率重建方法，其特征是：所述步骤3具体为：增加图像Z的像素映射范围，引入图像像素坐标编码，f1针对单个像素，因此采用像素序号进行单像素编码；f2针对区域像素，因此取同一区域的像素序号相同，进行区域像素编码，则通过下式表示损失函数表示为：
当原始距离像分辨率...

【专利技术属性】
技术研发人员：孙剑峰，宋波漪，丁源雪，周鑫，张海龙，李思宁，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：