公开(公告)号：CN114708169A

公开(公告)日：2022-07-05

申请号：CN202210453700.0

申请日：2022-04-24

Applicant: 上海电力大学

Inventor： 陈辉 ,  刘树奇 ,  杨宁 ,  张传林 ,  崔承刚

IPC: G06T5/00 ,  G06T5/10 ,  G06T5/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习网络GuidedNET与CSPN++相结合的深度图重建方法，能够实现对于室外场景通过激光雷达采集的稀疏点云图投射而成的稀疏深度图转为稠密的深度图。发明包括，建立标准化的原始数据集：包括原始雷达深度图和已经对齐过的RGB图作为该方法的输入；修改GuidedNET特征提取的子网络，解决训练数据时GPU内存消耗较大，完成对特征的初步提取；通过CSPN++网络完成对产生的深度图来进一步细化，保留原始雷达数据中的边缘深度信息，在绝大部分的RGB引导稀疏的深度图的网络中实现对图片高层特征的提取，对空间卷积网络传播速度与传播方向，对不同模态的数据融合，及对深度图边缘信息的细化方面的问题，取得了较好的效果，对于自动驾驶方向有较强的实用价值。