[发明专利]基于光度补偿的煤矿井下机器人位置感知图像增强方法

权利要求书

1.一种基于光度补偿的煤矿井下机器人位置感知图像增强方法，其特征在于，包括以下工作步骤：

步骤1、对激光点云数据和原始深度图像数据进行处理，对原始深度图像数据中带噪音的稠密深度图像数据进行平面拟合和分割，得到小区域；在小区域内建立基于贝叶斯克里金的数据融合模型，得到最优权重系数，将最优权重系数回代到基于贝叶斯克里金的数据融合模型中，获得重建的稠密高精度点云；

步骤2、剔除原始RGB图像的高光区域，结合稠密高精度点云的深度信息，估计井下环境表面的反射率，结合光照系数对图像进行重渲染，在井下环境为漫反射的区域对图像进行恢复增强。

2.根据权利要求1所述基于光度补偿的煤矿井下机器人位置感知图像增强方法，其特征在于，步骤1具体包括以下步骤：

步骤1.1、采用激光点云数据几何空间最优逼近算法，进行激光点云数据和原始深度图像数据预处理：设传感器之间的相互关系已知，将激光点云数据和原始深度图像数据转换到同一参考坐标系下；

步骤1.2、设原始深度图像数据符合高斯分布，用RANSAC随机一致算法，对原始深度图像数据中带噪音的稠密深度图像数据进行平面拟合和分割，并根据分割后得到的小区域的平面拟合方程来估计每一个像素点的高斯参数；

步骤1.3、在步骤1.2分割后得到的小区域内，建立基于贝叶斯克里金的数据融合模型，在无偏最优估计的前提下，对方差进行最小化估计，建立优化方程；

步骤1.4、在每个小区域内，对原始深度图像数据和点云数据进行空间协方差关联分析；

步骤1.5、拟合变差函数和条件变差函数，求解最优权重系数，将最优权重系数带回步骤1.3建立的基于贝叶斯克里金的数据融合模型中，获得重建的稠密高精度点云。

3.根据权利要求2所述基于光度补偿的煤矿井下机器人位置感知图像增强方法，其特征在于，步骤2具体包括如下步骤：

步骤2.1、假设井下环境表面为朗伯表面，检测出原始RGB图像的高光区域后对其进行剔除；

步骤2.2、建立SFS模型，结合步骤1得到的稠密高精度点云的深度信息，初步估计井下环境表面的反射率；

步骤2.3、基于Retinex图像增强算法模型，建立优化方程，根据优化方程求解优化后的反射率和光照系数对图像进行重渲染，在井下环境为漫反射的区域对图像进行亮度恢复和纹理增强。