[發明專利]激光點云數據的超分辨處理方法、裝置、系統和存儲介質

有效

• 申請號: 201811287641.4
• 申請日: 2018-10-31
• 公開（公告）號: CN111127315B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 張珂殊
• 申請（專利權）人: 北京北科天繪科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種激光點云數據的超分辨處理方法，其特征在于，包括：

步驟1，針對不同目標物，從不同角度分別獲取高分辨率激光點云數據，利用該高分辨率激光點云數據形成高分辨率距離圖，根據該高分辨率距離圖建立每種目標物的超分辨稀疏字典；

步驟2，通過激光雷達裝置獲取一種目標物的激光點云數據，建立該目標物的激光點云數據的距離圖；

步驟3，選擇該目標物的超分辨稀疏字典中的特定參數，將該目標物的激光點云數據的距離圖重建為超分辨高分辨率距離圖；

其中，該步驟1進一步包括：

步驟11，利用垂直/水平濾波器，對該高分辨率距離圖進行濾波，從而獲得該高分辨率距離圖的水平/垂直方向特征圖，將該高分辨率距離圖的水平/垂直方向特征圖合并，得到高分辨率特征圖；

步驟12，利用該高分辨率距離圖生成不同尺寸的低分辨率距離圖，以及該低分辨率距離圖的水平/垂直方向特征圖；

步驟13，對于該低分辨率距離圖以及該低分辨率距離圖的水平/垂直方向特征圖進行插值處理，使得插值后的低分辨率距離圖以及插值后的低分辨率距離圖的水平/垂直方向特征圖，與該高分辨率距離圖尺寸相同，合并該插值后的低分辨率距離圖以及插值后的低分辨率距離圖的水平/垂直方向特征圖，得到低分辨率特征圖；

步驟14，利用該高分辨率特征圖以及該低分辨率特征圖訓練得到高分辨字典以及低分辨字典，該超分辨稀疏字典包括該高分辨字典以及該低分辨字典。

2.如權利要求1所述的方法，其特征在于，利用該高分辨率激光點云數據形成高分辨率距離圖的步驟進一步包括：

利用一基準點Z₀，基于該目標物的該高分辨率激光點云數據(X_θ,Y_θ,Z_θ)的Z軸數據Z_θ，將該高分辨率激光點云數據進行格網化，生成該高分辨率距離圖G_h^θ；

G_h^θ＝255*(1-(Z_θ-Z₀)/D)

D為歸化目標距離范圍的間距。

3.如權利要求1所述的方法，其特征在于，該步驟12通過如下公式實現：

G_k(i,j)代表該高分辨率距離圖，G_k+1(m,n)為該低分辨率距離圖，為該低分辨率距離圖的水平方向特征圖，為該低分辨率距離圖的垂直方向特征圖，l和h分別為小波函數對應的低通和高通濾波器系數，j為高分辨率距離圖中的行，i為高分辨率距離圖中的列，m、n為尺度變換參數，k為深度圖變換的層數。

4.如權利要求1所述的方法，其特征在于，該步驟14通過如下公式實現：

其中，

X為稀疏系數矩陣，1/λ是權值系數，D^h為高分辨率特征圖樣本，D^l為低分辨率特征圖樣本，符號min表示訓練使得目標函數值最小，s.t.表示求解優化問題要滿足的條件，||?||_F和||?||₀分別表示F-范數和0-范數，d_k表示D^h或D^l中第k個元素，L₀是對||?||₀的約束。

5.如權利要求1所述的方法，其特征在于，該步驟2進一步包括：

對目標物的激光點云數據(X_θ,Y_θ,Z_θ)進行網格化，利用以下公式建立該目標物的激光點云數據的距離圖G；

G＝255*(1-(Z_θ-Z₀)/D)

Z₀為基準點，D為歸化目標距離范圍的間距。