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

技术特征：
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，完成超分辨重建。5.根据权利要求4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：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。6.根据权利要求1-5任意一项权利要求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：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。7.根据权利要求1-5任意一项权利要求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：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。8.一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，其特征是：所述系统包括：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；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；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。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-7任意一项权利要求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。10.一种计算机设备，其特征在于，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，所述处理器执行根据权利要求1-7任意一项权利要求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。

技术总结
本发明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。本发明涉及三维距离像超分辨率重建技术领域，本发明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-APD激光雷达三维距离像，本发明算法在重构像边缘锐利度和恢复低分辨距离像边缘轮廓等信息能力上表现更优。息能力上表现更优。息能力上表现更优。


技术研发人员：孙剑峰 宋波漪 丁源雪 周鑫 张海龙 李思宁
受保护的技术使用者：哈尔滨工业大学
技术研发日：2022.06.23
技术公布日：2022/11/1