一种深度学习生成稠密3D点云数据的简捷方法

LiDAR是一种高感知精度的三维传感器,但其存在低成本LiDAR所采集的原始三维点云过于稀疏的问题.针对该问题,提出一种深度学习的稠密3D点云数据生成方法.该方法通过将原始稀疏三维点云投影到二维距离图像,使用深度学习网络对二维距离图像进行分辨率提升,提升分辨率后的二维距离图像变换为三维点云的形式,形成增强的点云数据.实验结果表明,该方法与非深度学习算法类相比精度平均提升30%以上,与深度学习算法SR-ResNet对比精度平均提升8.14%.该方法有效解决LiDAR原始三维点云稀疏的问题并可获得媲美高分辨率LiDAR产生的点云.