视觉SLAM逐渐成为自主定位主流技术，但受限于前端还难以实时处理低照度图像，尚未实现全天候应用。本文分析了当前主流低照度处理算法的特点，针对当前深度学习算法效率低的问题，提出在传统的同态滤波基础上进行改进的技术路径。以Retinex理论为基础，经实验分析，截止频率是影响增强效果最关键的因素，借助于图像梯度信息，提出截止频率自适应算法，实现不同图像的截止频率自适应计算；同时，针对增强后噪声显著的问题，提出了基于图像分解的去噪方法，以改善滤波效果。
科研之友
微信
新浪微博
Facebook
分享链接
