【技术实现步骤摘要】
本专利技术涉及图像处理和计算机视觉，尤其涉及基于图像地势图的激光雷达深度补全算法。
技术介绍
1、在自动驾驶和自主移动机器人领域中，环境感知模块是关键组件之一。基于图像地势图的激光雷达深度补全算法在图像补全中具有重要意义。现有的深度补全算法主要基于深度学习和lidar数据以及图像的结合来重构稠密深度图。然而，这些方法存在一些显著的问题：
2、传统方法直接对原始深度信息进行上采样，虽然试图保护密集深度图的边缘，但补全结果中的物体深度相较真实值向外膨胀明显，导致深度边缘不准确，失去目标分界的意义；现有深度学习方法在处理深度不连续区域时效果不佳，深度边缘模糊，无法准确表现出深度的阶跃变化；传统方法在深度补全过程中难以有效保护边缘，导致边缘模糊和信息丢失。
3、传统的技术在面对上述问题时存在以下不足或缺陷：
4、现有端到端的深度补全算法多为黑箱模型，缺乏可解释性，难以理解和调试。多数深度学习算法需要大量计算资源，难以在资源有限的设备上高效运行。现有方法在陌生环境下的鲁棒性较差，难以适应不同数据集和环境变化。<
【技术保护点】
1.基于图像地势图的激光雷达深度补全算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像地势图的激光雷达深度补全算法，其特征在于，所述各向异性高斯滤波和非极大值抑制处理过程包括以下公式：
3.根据权利要求2所述的基于图像地势图的激光雷达深度补全算法，其特征在于，所述非极大值抑制中，获取细化边缘Inms的公式如下：
4.根据权利要求1所述的基于图像地势图的激光雷达深度补全算法，其特征在于，所述双阈值限定方法去除细化边缘中的局部噪声过程包括以下步骤：
5.根据权利要求1所述的基于图像地势图的激光雷达深度补全算法...
【技术特征摘要】
1.基于图像地势图的激光雷达深度补全算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像地势图的激光雷达深度补全算法，其特征在于，所述各向异性高斯滤波和非极大值抑制处理过程包括以下公式：
3.根据权利要求2所述的基于图像地势图的激光雷达深度补全算法，其特征在于，所述非极大值抑制中，获取细化边缘inms的公式如下：
4.根据权利要求1所述的基于图像地势图的激光雷达深度补全算法，其特征在于，所述双阈值限定方法去除细化边缘中的局部噪声过程包括以下步骤：
5.根据权利要求1所述的基于图像地势图的激光雷达深度补全算法，其特征在于，所述利用圆形邻域统计卷积核对lidar数据进行前景和背景的分离过程中，cns通过以下...
【专利技术属性】
技术研发人员：李响，岳宏宇，肖贺文，侯文洁，赵安虎，杨宝库，马瑞雪，吴玉洁，
申请(专利权)人：江苏聚芯精仪科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。