由于可以抑制后向散射,距离选通三维成像在雾、雨、雪等恶劣天气下的远距离探测中展现出巨大潜力。传统方法利用光学成像机理建模实现,发展成熟,但存在性能依赖于硬件特性、系统灵活性差等问题;基于学习的方法克服了传统方法的硬件限制,但是未考虑选通图像特点,导致精度有限。
针对上述问题,提出一种融合注意力机制的视觉引导方法,该方法从视觉层面出发,针对物体轮廓、纹理较弱等区域着重计算区域权重,提高区域预测精度;结合一种激光雷达深度补全算法,获得稠密深度真值图像用于模型监督,从而提升模型深度估计精度。实验结果表明,对比现有最先进的方法,在夜晚数据中平均绝对误差 (Mean Absolute Error, MAE) 提升了6.3%,均方根误差 (Root Mean Square Error, RMSE) 提升了2.3%,并在雾、雪天场景下得到更清晰的目标轮廓。