黄丹阳，田传印

（中汽数据（天津）有限公司，天津 300300）

0 引言

激光雷达是一类基于光学遥感技术进行立体环境探测的传感器，其内部射频器件经过高速旋转，可以周期性地向环境发射脉冲线束进行扫描，采集到的回波以若干包含三维坐标和回波强度的向量集合表示，构成具有环状结构的“点云”。激光雷达在多领域中被广泛使用，包括地理测绘、室内定位、无人驾驶等[1]。激光雷达的线束是指雷达内部垂直方向上的射频单元的数量，决定了在垂直方向上的探测范围角度和探测角度分辨率，然而高线束激光雷达价格昂贵，不利于民用研究和推广。为了解决上述问题，本文基于深度学习提出了一种激光雷达超分辨率模型，该模型以低线束激光雷达点云为输入，通过卷CNN输出高线束激光雷达点云。

1 生成对抗网络架构

近年来，生成对抗网络（Generative Adversarial Networks，GAN）作为一种新式的基于半监督或无监督学习的深度神经网络架构，在多种数据生成领域掀起研究热潮[2]。本文构建了GAN，并基于CNN分别构建了激光雷达超分辨率模型和激光雷达判别模型。其中激光雷达超分辨率模型作为生成网络，经过CNN的升维映射完成点云超分辨率；激光雷达判别模型在训练中负责识别高线束点云数据是来自数据集中的真实样本还是生成网络的合成样本，随后激光雷达判别模型的识别结果将作为网络损失回传给生成网络进行训练，GAN的架构如图1所示。

图1 生成对抗网络架构

2 卷……

登录APP查看全文