[发明专利]激光点云数据的超分辨处理方法、装置、系统和存储介质

权利要求书

1.一种激光点云数据的超分辨处理方法，其特征在于，包括：

步骤1，针对不同目标物，从不同角度分别获取高分辨率激光点云数据，利用该高分辨率激光点云数据形成高分辨率距离图，根据该高分辨率距离图建立每种目标物的超分辨稀疏字典；

步骤2，通过激光雷达装置获取一种目标物的激光点云数据，建立该目标物的激光点云数据的距离图；

步骤3，选择该目标物的超分辨稀疏字典中的特定参数，将该目标物的激光点云数据的距离图重建为超分辨高分辨率距离图；

其中，该步骤1进一步包括：

步骤11，利用垂直/水平滤波器，对该高分辨率距离图进行滤波，从而获得该高分辨率距离图的水平/垂直方向特征图，将该高分辨率距离图的水平/垂直方向特征图合并，得到高分辨率特征图；

步骤12，利用该高分辨率距离图生成不同尺寸的低分辨率距离图，以及该低分辨率距离图的水平/垂直方向特征图；

步骤13，对于该低分辨率距离图以及该低分辨率距离图的水平/垂直方向特征图进行插值处理，使得插值后的低分辨率距离图以及插值后的低分辨率距离图的水平/垂直方向特征图，与该高分辨率距离图尺寸相同，合并该插值后的低分辨率距离图以及插值后的低分辨率距离图的水平/垂直方向特征图，得到低分辨率特征图；

步骤14，利用该高分辨率特征图以及该低分辨率特征图训练得到高分辨字典以及低分辨字典，该超分辨稀疏字典包括该高分辨字典以及该低分辨字典。

2.如权利要求1所述的方法，其特征在于，利用该高分辨率激光点云数据形成高分辨率距离图的步骤进一步包括：

利用一基准点Z₀，基于该目标物的该高分辨率激光点云数据(X_θ,Y_θ,Z_θ)的Z轴数据Z_θ，将该高分辨率激光点云数据进行格网化，生成该高分辨率距离图G_h^θ；

G_h^θ＝255*(1-(Z_θ-Z₀)/D)

D为归化目标距离范围的间距。

3.如权利要求1所述的方法，其特征在于，该步骤12通过如下公式实现：

G_k(i,j)代表该高分辨率距离图，G_k+1(m,n)为该低分辨率距离图，为该低分辨率距离图的水平方向特征图，为该低分辨率距离图的垂直方向特征图，l和h分别为小波函数对应的低通和高通滤波器系数，j为高分辨率距离图中的行，i为高分辨率距离图中的列，m、n为尺度变换参数，k为深度图变换的层数。

4.如权利要求1所述的方法，其特征在于，该步骤14通过如下公式实现：

其中，

X为稀疏系数矩阵，1/λ是权值系数，D^h为高分辨率特征图样本，D^l为低分辨率特征图样本，符号min表示训练使得目标函数值最小，s.t.表示求解优化问题要满足的条件，|| ||_F和|| ||₀分别表示F-范数和0-范数，d_k表示D^h或D^l中第k个元素，L₀是对|| ||₀的约束。

5.如权利要求1所述的方法，其特征在于，该步骤2进一步包括：

对目标物的激光点云数据(X_θ,Y_θ,Z_θ)进行网格化，利用以下公式建立该目标物的激光点云数据的距离图G；

G＝255*(1-(Z_θ-Z₀)/D)

Z₀为基准点，D为归化目标距离范围的间距。