红外激光遥感图像散斑特征提取

当前方法对红外激光遥感图像进行散斑特征提取时,采用2D(二维)图像作为数据采集手段,存在散斑特征提取区域误差大的问题。据此,提出基于深度学习的红外激光遥感图像散斑特征提取方法。采用无人机配置自动旋转云台上搭配2D激光测距传感器对区域红外激光数据进行采集、标定和利用激光里程计算法对区域内特征值提取和匹配。结合线性插值法对应的周期内接收的激光数据进行区域转换,利用L-M算法解决红外激光遥感图像范围的预计问题,采用信赖区域法迭代出最优区域范围,将激光数据转化到世界坐标系下的点云中,通过点云叠加完成区域的散斑特征提取。仿真实验结果表明,所提方法在进行红外激光遥感图像散斑特征提取时水平和区域深度定位误差都能控制在±1 m之内,符合分割要求。与其他方法相比,该方法的提取准率95%~99%的范围内变化,平均耗时为0. 45 s,说明该方法提取精度更高,提取速度更快。