當(dāng)前激光成像雷達(dá)采用的圖像邊緣檢測(cè)方法,普遍通過(guò)邊緣噪點(diǎn)輪廓清晰度的邏輯設(shè)定,通過(guò)不斷調(diào)整像素點(diǎn)的濾波閾值來(lái)完成圖像邊緣的識(shí)別檢測(cè)效果。此方法在激光連續(xù)高速成像狀態(tài)下,邊緣檢測(cè)誤差較高。因此,提出人工智能技術(shù)的激光成像雷達(dá)圖像邊緣檢測(cè)。通過(guò)導(dǎo)入基于人工智能技術(shù)的激光成像智能識(shí)別策略,實(shí)現(xiàn)動(dòng)態(tài)自動(dòng)調(diào)用匹配算法的效果;然后,在人工智能策略下引入圖像距離結(jié)構(gòu)優(yōu)化后的濾波算法與全方位角度圖像邊緣檢測(cè)算法,通過(guò)人工智能技術(shù)快速完成兩種算法間的調(diào)用與切換,使算法間無(wú)縫對(duì)接,打破單一算法識(shí)別邏輯限制帶來(lái)的誤差。通過(guò)對(duì)不同邊緣檢測(cè)算法間的結(jié)果數(shù)據(jù)對(duì)比,證明人工智能技術(shù)的激光成像雷達(dá)圖像邊緣檢測(cè)方法,能夠?qū)⒄`差值控制在有效范圍內(nèi),整體檢測(cè)效果符合檢測(cè)要求,且高于實(shí)驗(yàn)中對(duì)比算法。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖1 人工智能技術(shù)下的激光成像智能識(shí)別策略整體結(jié)構(gòu)

人工智能技術(shù)下的激光成像智能識(shí)別策略整體結(jié)構(gòu)如圖1所示2.2圖像距離結(jié)構(gòu)優(yōu)化后的濾波算法引入計(jì)算

圖2 全方向檢測(cè)矩陣對(duì)應(yīng)值參照?qǐng)D

首先，對(duì)圖像所在空間進(jìn)行8個(gè)空間維度方向[10-11]的定義，并將圖像的上的任意一個(gè)檢測(cè)像素點(diǎn)設(shè)為Q(n,k)，則像素點(diǎn)間所建立的聯(lián)系與邊緣檢測(cè)矩陣對(duì)應(yīng)值如表1和圖2所示。邊緣檢測(cè)像素點(diǎn)Q處于任意一個(gè)方向時(shí)，所對(duì)應(yīng)的確認(rèn)量H(n,k)的計(jì)算式為:

圖3 激光成像雷達(dá)圖像邊緣檢測(cè)精度對(duì)比

采用3種方法對(duì)表1的5類(lèi)激光成像雷達(dá)圖像邊緣進(jìn)行檢測(cè)實(shí)驗(yàn)，得到的實(shí)驗(yàn)結(jié)果如圖3所示。從圖3可以看出，本文方法的激光成像雷達(dá)圖像邊緣檢測(cè)精度平均值為91.94%，多尺度的邊緣檢測(cè)方法、Canny算子的邊緣檢測(cè)方法、基于LoG算子的激光成像雷達(dá)圖像邊緣檢測(cè)方法的精度平均值為分別為:8....

圖1 激光成像雷達(dá)圖像特征點(diǎn)過(guò)濾過(guò)程

為加快激光成像雷達(dá)圖像邊緣特征點(diǎn)匹配準(zhǔn)確率，利用人工智能技術(shù)過(guò)濾噪聲對(duì)圖像邊緣特征閾值的干擾，過(guò)濾過(guò)程見(jiàn)圖1所示;第一步，選擇圖像邊緣特征點(diǎn)。第二步，輸入圖像p={p1,p2,p3，…，pn}，對(duì)比圖像灰度通道的灰度梯度直方圖，再選擇對(duì)比度較好的灰度通道。將強(qiáng)化后圖像的灰度信息作....

本文編號(hào)：4027513