摘要
本发明涉及激光雷达数据处理技术领域,公开了一种基于对抗神经网络的激光雷达数据分辨率增强方法,通过生成器和判别器的对抗训练,将低分辨率激光雷达数据转换为高分辨率数据,提升尾流特征提取的精度。生成器通过多层卷积、反卷积和残差模块,逐步对低分辨率数据进行细节补全和分辨率提升;判别器动态优化生成数据的真实性,确保生成的高分辨率数据与真实数据的几何分布一致;生成的高分辨率数据支持旋涡强度分析、涡核位置识别和扰动区域边界的精确提取,提供尾流的三维重建模型,为尾流间隔优化和飞行安全管理提供可靠支持;本发明显著提升了尾流检测的精度和鲁棒性,为飞行安全和空域利用效率提供了有力保障。
技术关键词
网络
样本
生成高分辨率
GAN模型
残差模块
低分辨率激光雷达
分辨率提升
激光雷达数据采集
协方差矩阵
归一化模块
点云局部
多尺度特征
奇异值分解方法
邻域
激光雷达设备
系统为您推荐了相关专利信息
策略优化方法
实时数据
轨道占用状态
染色体
线路
污泥预处理设备
阶段
深度强化学习模型
数据
神经网络模型