基于深度学习的3D激光测量图像反光区域分离方法

发布时间：2024-04-20 02:34

　　提出了基于深度学习的3D激光测量图像中反光区域准确且稳定的分离方法。基于深度学习模型U-net网络实现了对3D激光测量图像中反光区域和激光线区域的语义分割;图像语义分割实现了对测量图像中不同区域的高精度分离。反光区域分离后的图像能够减少反光对中心线提取的干扰,研究结果表明,基于深度学习的激光测量图像区域分割可以更加精确地实现激光条纹的提取,同时保证提取结果的稳定性。单幅激光测量图像的区域分割时间仅为2.3ms,激光条纹中心提取精度均值为0.176pixel,标准差为0.119pixel,有效地保障了激光测量图像中激光条纹中心线的提取精度和鲁棒性。

【文章页数】：4 页

【文章目录】：
1 问题的提出
2 相关研究工作
    2.1 反光区域的处理
    2.2 中心线提取方法
3 研究方法
4 实验与讨论
5 结束语



本文编号：3958742