本文主要探讨了如何解决无扫描三维(3D)激光雷达(LiDAR)距离图像的分辨率低和随机噪声大的问题。为改善这一状况，研究者提出了一种基于权值优化分块自适应灰度-距离马尔科夫随机场(Markov Random Field, MRF)的稀疏距离图像重构方法。该方法利用高分辨率的单目相机作为辅助，以增强图像质量和精度。
首先，研究者构建了灰度-距离MRF的多层次相关图，这是为了捕捉图像中的空间关系和纹理信息。在此基础上，他们采用了分块快速插值策略，这种方法能够有效地减少纹理复制现象，并提高重构的速度。
其次，为了保护图像的结构细节，他们运用了简单线性迭代聚类(Simple Linear Iterative Clustering, SLIC)超像素分割边缘惩罚方法。SLIC是一种高效的超像素分割算法，它能保持边界清晰，防止图像细节丢失。
接下来，研究者结合空域距离核函数和灰度相似核函数，实现双重引导。这种结合考虑了空间位置关系和灰度相似性，确保算法的鲁棒性。同时，针对不同的邻域系统，他们自适应地调整了核函数的标准差，以适应不同的图像特性，增强了算法的适应性。
最后，通过共轭梯度法，他们对各个邻域系统进行了全局能量函数的快速优化。这种方法可以有效地最小化重建误差，提高图像质量。
实验结果表明，该方法在标准图像数据和真实图像上的表现优于传统的双线性插值、双边滤波以及标准MRF方法，显示出了更优秀的综合性能。因此，这种方法对于无扫描3D激光雷达距离图像的重构具有显著的优势，有助于提升3D LiDAR图像的解析力和信噪比，为3D成像系统提供了有力的支持。
关键词：成像系统；马尔科夫随机场；无扫描三维激光雷达；单目相机；图像重构
中图分类号：O436
文献标识码：A
doi:10.3788/AOS201535.0811001
ReconstructionofScannerless3DLIDARRangeImageBasedontheAdaptiveBlockGrayscale-RangeMarkovRandomFieldModelwithOptimizingWeights
HaoGangtao
1
DuXiaoping
2
SongJianjun
3
SongYishuo
1
1DepartmentofAerospaceEquipment,AcademyofEquipment,Beijing101416,China
2DepartmentofAerospaceCommand,AcademyofEquipment,Beijing101416,China
395806Troops,Beijing100076,China
Abstract
我的内容管理
展开
