【技术实现步骤摘要】
本专利技术涉及图像数据处理及图像增强，具体的说是一种雾天场景下的图像深度补全方法。
技术介绍
1、深度获取是计算机视觉中一项关键的基础问题，它能够精确感知图像中的几何结构，是许多下游应用（如场景重建、三维目标识别、自动驾驶和机器人导航等）的基础和关键。特别是在自动驾驶和机器人导航的应用中，大多数场景是室外环境。对于室外场景，目前主流且可靠的深度获取方式是使用激光雷达。然而，高精度的激光雷达设备价格昂贵，一个64线扫描的激光雷达只能提供大约5％致密度的深度图。并且，在雾天场景下，由于雾对激光信号的散射和衰减，以及散射造成的信号噪声增加，都会加重激光雷达采集生成的深度图的稀疏性，从而直接影响到应用系统的安全性和可靠性。
技术实现思路
1、专利技术针对上述方案中存在的问题，提供了一种雾天场景下的图像深度补全方法，以期能够通过图像深度补全生成密集深度图，弥补雾天场景下激光雷达采集到的深度图稀疏的问题，从而增强深度信息的适用性和有效性，使深度图在更多应用中得以利用。
2、本专利技术为达到...
【技术保护点】
1.一种雾天场景下的图像深度补全方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种雾天场景下的图像深度补全方法，其特征在于，所述C包括：
3.根据权利要求2所述的一种雾天场景下的图像深度补全方法，其特征在于，所述C1中的消光系数的预测值是按如下过程得到：
4.根据权利要求3所述的一种雾天场景下的图像深度补全方法，其特征在于，所述D中的深度补全网络是由结构相同的第一主干和第二主干组成；其中，任一主干依次包括：第一卷积层、Z级残差块、Z个反卷积层、第二卷积层；其中，第z级残差块包括：第z级雾卷积层，第z级批归一化层、第z级R
【技术特征摘要】
1.一种雾天场景下的图像深度补全方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种雾天场景下的图像深度补全方法，其特征在于，所述c包括：
3.根据权利要求2所述的一种雾天场景下的图像深度补全方法，其特征在于，所述c1中的消光系数的预测值是按如下过程得到：
4.根据权利要求3所述的一种雾天场景下的图像深度补全方法，其特征在于，所述d中的深度补全网络是由结构相同的第一主干和第二主干组成；其中，任一主干依次包括：第一卷积层、z级残差块、z个反卷积层、第二卷积层；其中，第z级残差块包括：第z级雾卷积层，第z级批归一化层、第z级relu激活函数；
【专利技术属性】
技术研发人员：姜平，鹿庆刚，张炳力，姜俊昭，王怿昕，张智森，宋祖常，刘安，徐超，吴韦恒，
申请(专利权)人：合肥工业大学，
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。