《Photonics》：3D Reconstruction Method for GM-APD Array LiDAR Based on Intensity Image Guidance
Ye Liu,
Kehao Chi,
Ruikai Xue and
Genghua Huang
编辑推荐：
本文针对单光子探测激光雷达在稀疏光子、低信噪比等极端场景下，目标定位精度低、重建速度慢等问题，提出了一种基于强度图像信息引导的目标检测与时间窗深度估计方法。该方法通过对强度图像进行噪声抑制与离群点剔除实现目标检测，利用目标的空间连续性及反射率相似性构建“超像素”，并结合信号与噪声在时间轴上的分布差异进行时间窗筛选，最终实现了高精度、高效率的三维目标重建，在低光子、强噪声条件下显著优于传统及现有方法，为相关领域提供了有力工具。
在目标探测、遥感测绘乃至生物医学成像等领域，能够看清、看清细节的能力至关重要。盖革模式雪崩光电二极管阵列激光雷达凭借其单光子级别的超高探测灵敏度，在微光、远距离等极端条件下展现出巨大优势。然而，“水能载舟，亦能覆舟”，极高的灵敏度也使其极易受到背景光噪声和探测器内部热噪声的干扰，导致从海量噪声光子中准确分离出稀疏、微弱的回波信号光子变得异常困难。传统的解决方案，如依赖长时间数据累积的时间相关单光子计数技术，虽能提升信噪比，但往往以牺牲实时性为代价，在稀疏回波光子和低信噪比的严苛场景下，成像质量和重建效率仍面临巨大瓶颈。如何在保证高精度的同时实现快速三维重建，成为该领域亟待突破的难题。针对这一挑战，发表在《Photonics》上的一项研究提出了一种创新性的解决方案。
本研究采用了基于强度图像信息引导的系统性技术方法。首先，对GM-APD阵列LiDAR系统采集的强度图像，依据其统计特性进行噪声抑制，并引入基于邻域稀疏度的离群点检测机制，剔除异常值，完成目标区域的初步锁定。接着，充分利用目标在空间上的连续性（Spatial Continuity）和反射率（Reflectivity）的相似性，对目标邻域内的光子数据进行局域融合，构建出内部具有高度一致性的“超像素”（Superpixel）单元。最后，关键一步在于利用信号光子与噪声光子在时间轴（Time Axis）上截然不同的分布特性：信号光子通常在目标深度附近呈聚集（Clustering）分布，而噪声光子则近似均匀（Uniform）分布。基于此差异，对每个“超像素”应用自适应时间窗（Temporal Window）筛选，从而高效提取出目标的深度信息。对于筛选后可能产生的空像素，采用一种凸分割（Convex Segmentation）方法进行填充，最终完成目标深度图像的高精度重建。
研究结果
- 1.
目标检测与噪声抑制效果：通过所提出的基于强度图像统计特性的噪声抑制与邻域稀疏度离群点检测机制，能够有效滤除背景噪声和异常值，在低信噪比条件下清晰勾勒出目标轮廓，为目标区域的准确提取奠定了基础。
- 2.
“超像素”构建与信息融合：利用目标的空间连续性和反射率相似性进行邻域信息融合，构建的“超像素”单元内部光子数据具有高度一致性。这不仅增强了有效信号的强度，还为后续处理提供了更稳定、更具代表性的数据单元，避免了逐像素处理的低效和脆弱性。
- 3.
时间窗筛选与深度提取精度：基于信号光子聚集分布与噪声光子均匀分布的差异，对“超像素”进行时间窗筛选，能够显著抑制噪声，准确提取信号光子的到达时间分布，从而获得高精度的目标深度估计。实验表明，该方法在极低光子数和强噪声干扰下，深度估计的准确性显著优于传统及现有的多种方法。
- 4.
整体重建性能与速度：综合上述步骤，该方法在多种低光子、低信噪比实验场景下，均实现了高质量的三维目标重建。与对比方法相比，不仅在目标形状恢复和深度细节还原上表现更优，而且得益于“超像素”处理和时间窗筛选策略，其整体计算效率更高，实现了高精度与高速度的良好平衡。
结论与意义
本研究成功地提出并验证了一种基于强度图像引导的GM-APD阵列激光雷达三维重建新方法。该方法的核心创新在于将强度图像的空间结构信息与光子的时间分布信息有机结合，通过“目标检测-超像素融合-时间窗筛选”的流程，巧妙地解决了稀疏光子、低信噪比环境下的三维成像难题。研究表明，该方法能够有效区分信号与噪声，提升目标定位精度，并大幅加快重建速度。
这项研究的重要意义在于，它为单光子激光雷达在极端探测环境下的实际应用提供了新的技术思路和高效的算法框架。所提出的方法不仅显著提升了成像系统在光子匮乏和强噪声条件下的鲁棒性和成像质量，而且其较高的计算效率使得快速、实时的高精度三维成像成为可能，这对于推动单光子激光雷达在自动驾驶、远程遥感、安全监控以及生物医学动态成像等对实时性要求高的前沿领域应用具有重要价值。
