一种基于深度学习的浑浊水体中激光深度图重建方法技术

本发明专利技术提供一种基于深度学习的浑浊水体中激光深度图重建方法，包括步骤：S1、将观测目标分别置于空气介质和浑浊水体中，采集神经网络训练数据；S2、基于所述神经网络训练数据，对基于生成对抗模型的生成式神经网络进行训练，获得激光深度图重建模型；S3、采集观测目标的激光雷达点云数据及实测时的水体信息、观测视角，输入所述激光深度图重建模型，获取重建激光深度图。本发明专利技术通过深度学习方法滤除水体多次散射效应导致的误差影响，从而大大提升了水下激光深度图的重建精度。下激光深度图的重建精度。下激光深度图的重建精度。

【技术实现步骤摘要】
一种基于深度学习的浑浊水体中激光深度图重建方法


[0001]本专利技术涉及激光雷达深度图计算领域，特别涉及一种基于深度学习的浑浊水体中激光深度图重建方法。

技术介绍

[0002]深度图一般是灰度图，像素灰度值代表真实场景距离摄像机的远近。深度图信息在计算视觉、目标检测、遥感测绘以及电影游戏等方面具有重要的应用。现有技术大多采用RGB
‑
D系统重建深度图，但是对于水下浑浊环境，被动观测数据的可探测深度低，可探测距离大大受限。激光雷达相比于可见光相机，可快速获得高距离分辨率的空间信息，从而广泛应用于遥感测绘和自动驾驶等领域。然而基于激光雷达点云的深度图重建在应用于水下探测时，受到浑浊水体的干扰，会发生难以避免的激光多次散射和折射效应，导致深度图重建结果参数较大偏差。

技术实现思路

[0003]本专利技术的目的在于提供一种基于深度学习的浑浊水体中激光深度图重建方法，通过结合可见光图像数据、激光雷达散射截面截面数据，基于多模态数据融合和深度学习技术，搭建用于快速求解目标全空间激光雷达散射界面的方法框架，为有限测量条件下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的浑浊水体中激光深度图重建方法，其特征在于，包括步骤：S1、将观测目标分别置于空气介质和浑浊水体中，采集神经网络训练数据；S2、基于所述神经网络训练数据，对基于生成对抗模型的生成式神经网络进行训练，获得激光深度图重建模型；S3、采集观测目标的激光雷达点云数据及实测时的水体信息、观测视角，输入所述激光深度图重建模型，获取重建激光深度图。2.如权利要求1所述的浑浊水体中激光深度图重建方法，其特征在于，步骤S1中，所述神经网络训练数据包括不同水体信息的各相同观测视角的空气介质深度图和浑浊水体深度图组成的匹配数据集。3.如权利要求2所述的浑浊水体中激光深度图重建方法，其特征在于，步骤S1包括：S11、将所述观测目标置于空气介质中，采集所述观测目标的不同观测视角的激光雷达点云数据，将各观测视角的激光雷达点云数据分别转化为空气介质深度图，存储各所述空气介质深度图及其对应的观测视角；S12、将所述观测目标置于浑浊水体中，按照步骤S11中的各观测视角分别采集所述观测目标的激光雷达点云数据，将各观测视角的激光雷达点云数据分别转化为浑浊水体深度图，存储各所述浑浊水体深度图及其对应的水体信息和观测视角；S13、改变浑浊水体的水体信息；S14、重复步骤S11到S13，直至所述水体信息的分布覆盖实际应用场景的典型值时停止循...

【专利技术属性】
技术研发人员：朱凌轩，王彪，廖意，王晓冰，张玉涛，
申请(专利权)人：上海无线电设备研究所，
类型：发明
国别省市：