[发明专利]一种基于强度引导的远距离激光雷达深度估计方法

说明书

本发明公开了一种基于强度引导的远距离激光雷达深度估计方法，包括：在数据预处理中充分利用回波信号的时空相关性和强度信息，对激光雷达三维点云数据交替进行多尺度超像素的建立和快速时域开窗；采用优化框架，基于预处理后的激光雷达三维点云数据的泊松分布模型，建立了数据保真项与强度信息引入的正则项相结合的深度估计成本函数；使用交替方向乘子算法从成本函数中估计深度图像。本发明针对远距离激光雷达得到的三维点云稀疏且数据量大的问题，以更小的内存需求和更低的计算复杂度估计深度图像，并有效改善了深度图像的质量和提升了对低光子水平的鲁棒性。

技术领域

本发明属于激光雷达深度估计技术，具体为一种基于强度引导的远距离激光雷达深度估计方法。

背景技术

远距离三维成像在地形勘测、水下探索、三维遥感等领域取得了广泛的应用。激光雷达系统采用工作于盖革模式下的雪崩光电二极管(GM-APD)，具有单光子灵敏度和皮秒级时间分辨率。由时间相关单光子计数(TCSPC)技术得到每个像素的光子技术统计直方图，其中计数的位置和数量分别对应深度和强度信息，从而重建3D场景。

远距离光子计数激光雷达不断发展，可以在更远的距离、更大的视场和更高的分辨率要求下工作，这意味着得到的激光雷达三维数据尺寸更大，相应的内存需求和计算复杂度更大。同时，在远距离激光雷达应用的室外场景中，由于巨大衰减的存在，目标返回的信号极为微弱并往往被强背景噪声所淹没，因此，精确的激光雷达深度估计具有挑战性。

目前，除了优化激光雷达硬件系统之外，已经存在一些后端处理算法来改进低光子水平下的深度估计质量和鲁棒性。Halimi等人利用了非局部空间相关性，从而提高交替方向乘子算法(Alternating Direction Method of Multipliers,ADMM)估计深度图像的鲁棒性。虽然这种方法采用非均匀采样策略来降低计算成本，但它仅从二维图像中进行估计，而忽略了3D点云时间维度的影响(1.Chen S,HalimiA,Ren X,et al.Learning Non-Local Spatial Correlations To Restore Sparse 3D Single-Photon Data[J].IEEETransactions on Image Processing,2019,PP(99).)。Ferstl等人融合了来自相机的高分辨RGB图与来自激光雷达的低分辨率深度图，从而产生密集的深度图像，但是相机与激光雷达之间配准复杂，且对于远距离成像来说，相机的价格昂贵且尺寸大(2.Ferstl D,Reinbacher C,Ranftl R,et al.Image Guided Depth Upsampling Using AnisotropicTotal GeneralizedVariation[C]//Proceedings ofthe 2013 IEEE InternationalConference on Computer Vision.IEEE,2013.)。Tachella等人将可逆跳跃马尔可夫链蒙特卡罗方法与空间点过程相结合，在每个像素存在多个表面的情况下能够精确地重建出3D点云，但计算时间太长(3.Tachella J,Altmann Y,X Ren,et al.Bayesian 3DReconstruction of Complex Scenes from Single-Photon Lidar Data[J].SiamJournal onImagingences,2018,12(1):521-550.)。

发明内容

本发明的目的在于提供一种基于强度引导的远距离激光雷达深度估计方法，以解决传统方法从数据量大且极其稀疏的远距离激光雷达三维点云中估计的深度图存在极大误差的问题，从而以更小的内存需求和计算复杂度估计更精确的深度图像。

实现本发明目的的技术方案为：一种基于强度引导的远距离激光雷达深度估计方法，具体步骤为：

步骤1：利用强度信息和回波信号的时空相关性，对激光雷达三维点云数据交替进行多尺度超像素的建立和快速时域开窗，完成数据预处理；