《Photonics》：High-Spectral-Resolution Method for Diurnal Aerosol Measurements with a 589 nm Three-Frequency Lidar
Jiaming Liang,
Dongsheng Luo,
Xin Lin,
Yao Ju,
Yinan Wang,
Wei Wang,
Sihan Xu,
Yuqi Zhang,
Linmei Liu and
Faquan Li
+ 10 authors
编辑推荐：
为应对稀疏回波光子、低信噪比条件下GM-APD光子计数LiDAR目标定位精度下降与处理效率低的挑战，研究人员提出了一种基于强度信息引导的目标检测与时窗深度估计方法。该方法通过噪声抑制、邻域融合构建“超像素”，并结合信号与噪声在时间轴上的分布差异进行时窗筛选与深度估计。实验表明，该方法在低光子、强噪声条件下，相比传统及现有方法，显著提升了目标恢复与深度估计的性能，并实现了更快的重建速度，为恶劣环境下高效、高精度的三维目标重建提供了新思路。
在目标检测、遥感、生物医学成像等诸多领域，三维感知能力至关重要。传统的激光雷达（LiDAR）技术虽然成熟，但在极弱光、远距离探测等极端条件下，其探测灵敏度与成像分辨率面临瓶颈。近年来，一种名为光子计数激光雷达的技术崭露头角，它能够探测到单光子级别的回波信号，从而有望实现超高精度的目标检测与三维成像。其核心探测器是一种名为盖革模式雪崩光电二极管（Geiger-mode Avalanche Photodiode, GM-APD）阵列的器件，它拥有单光子级别的探测灵敏度与皮秒级的时间分辨率，堪称探测界的“火眼金睛”。
然而，能力越强，烦恼也越多。GM-APD探测器极高的灵敏度是一把双刃剑，在捕捉微弱目标信号的同时，也极易被背景光噪声和探测器自身的热噪声所“欺骗”，导致难以区分哪些是来自目标的“信号光子”，哪些是恼人的“噪声光子”。传统方法通常依赖长时间的数据累积来提高信噪比，但这在需要快速响应的应用场景中（如自动驾驶、动态监测）几乎行不通。因此，如何在光子回波极其稀疏、信噪比（Signal-to-Noise Ratio, SNR）极低的“地狱”难度环境下，快速而准确地重构出目标的三维信息，成为该领域亟待攻克的关键难题。
针对这一挑战，发表在《Photonics》期刊上的一项研究，提出了一种巧妙利用强度图像空间结构信息来引导深度重建的新方法，旨在鱼与熊掌兼得——在提升成像质量的同时，大幅降低计算时间，实现高效率、高精度的三维目标重建。
为了开展这项研究，研究人员主要运用了以下关键技术方法：首先，建立了基于GM-APD阵列的LiDAR探测模型，该模型利用脉冲激光和独立计时的探测单元，结合时间相关单光子计数（Time-Correlated Single-Photon Counting, TCSPC）技术，获取每个像素的光子飞行时间（Time-of-Flight, TOF）直方图。其次，提出了一套完整的处理流程：基于强度图像统计特性进行噪声抑制，并引入基于邻域稀疏性的异常值检测机制完成目标检测；依据目标的空间连续性和反射率相似性，对目标邻域内的光子数据进行局部融合，构建高一致性的“超像素”；最后，根据信号光子与噪声光子在时间轴上分布特性的差异，对超像素进行时窗筛选以提取深度信息，并利用凸分割方法填补空像素，完成目标的深度估计。
研究结果
- •
目标检测：通过对强度图像进行基于统计特性的噪声抑制，并引入基于邻域稀疏性的离群点检测机制，有效去除了噪声和异常值，准确完成了对观测场景中目标的初步识别与定位。
- •
超像素构建：利用目标在空间上的连续性以及反射率的相似性，自适应地对目标邻域区域的光子计数数据进行局部融合。这一步骤将多个像素的信息聚合，形成了信噪比更高、数据一致性更强的“超像素”单元，为后续的深度信息提取提供了更优质的数据基础。
- •
深度估计：基于信号光子会在时间轴上（对应特定的目标距离）呈现聚集分布，而噪声光子则近似均匀分布这一关键差异，对构建好的“超像素”进行自适应时窗筛选。通过筛选出信号光子富集的时间区间，并滤除大部分噪声，从而提取出每个“超像素”所对应目标的精确深度（距离）信息。对于筛选后可能产生的空像素区域，采用凸分割方法进行填充，最终生成完整、连续的目标深度图像。
研究结论与意义
本研究成功提出并验证了一种适用于稀疏回波光子和低信噪比极端环境的、基于强度信息引导的GM-APD光子计数LiDAR三维目标重建方法。该方法的核心创新在于，将强度图像的空间结构信息作为先验知识，巧妙地引导深度信息的提取与优化过程。通过“目标检测-超像素融合-时窗筛选”的流程，有效利用了目标的空域连续性，显著提升了在强噪声背景下区分信号与噪声的能力。
实验结果表明，与传统方法及现有的多种单光子成像算法相比，该方法在光子数极少、噪声强烈的极端条件下，在目标轮廓的恢复精度和深度估计的准确性方面均有显著提升。更重要的是，该方法避免了复杂的迭代计算和时空联合优化，大大降低了计算复杂度，从而实现了更快的三维重建速度，满足了实际应用中对实时性的需求。
这项研究的意义在于，它为解决单光子激光雷达在低光照、远距离、高噪声等恶劣环境下的应用瓶颈提供了一种高效、鲁棒的解决方案。其所提出的框架平衡了重建精度与计算效率，使得基于GM-APD的高灵敏度光子计数激光雷达在自动驾驶、远距离遥感、穿云透雾监测、生物组织弱光成像等领域走向更广泛、更实用的实时三维感知成为可能，推动了先进光学成像技术的发展。
