一种基于多帧图像融合的用于门禁激光雷达的目标距离细分图像重建算法

《Optics and Lasers in Engineering》：A target range subdivision image reconstruction algorithm based on multi-frame image fusion for range-gated LiDAR

　　

• •
  提出了一种适用于门控LiDAR的目标距离细分图像重建算法（TRS-MF）。
• •
  该算法无需先验知识，在不同介质和目标类型中表现出良好的泛化能力。
• •
  在无需修改硬件的情况下，实现了接近理论延迟步长极限的高测距精度。
• •
  多级噪声抑制确保了在散射环境中的稳定性能。

引言

水下激光探测与测距（LiDAR）作为一种先进的 underwater 探测技术，凭借其快速获取水下目标高精度三维信息的能力，已在众多领域得到广泛应用，如海洋资源勘探[1]、[2]、水下目标识别[3]、[4]、海洋环境监测[5]以及水下考古[6]。然而，由于水下环境高度复杂且动态变化，光在水中的传播受到散射、吸收和反射等多种因素的耦合影响。因此，LiDAR获取的原始图像普遍存在噪声干扰和低对比度等退化问题，严重制约了后续目标识别与分析的精度和可靠性[7]。图像重建技术是提升水下LiDAR性能的关键环节，旨在从含噪观测数据中有效提取目标信息，重建清晰、准确的目标图像，从而实现水下LiDAR从数据采集到高质量成像的技术闭环[8]。

在各种水下LiDAR成像模式中，门控技术凭借其优异的后向散射抑制能力，已成为水下三维感知的核心技术路径。然而，现有的门控图像重建方法仍存在共性局限。一些方法严重依赖系统特定的先验参数，需要大量人工调参才能达到可接受的性能，这使其部署繁琐且适应性差。另一些方法需要足够数量的图像帧，在少帧条件下无法产生可靠的重建结果。此外，水下散射环境导致信号与噪声严重混合，进一步降低了多种现有方法的重建质量。这些因素共同制约了门控重建方法在复杂水下环境中的探测精度和工程实用性。

从硬件角度来看，门控成像系统的距离分辨率在理论上受到激光脉冲宽度、门宽和延迟步长的限制。因此，传统方法通常在三个方面优化系统参数：减小激光脉冲宽度[9]、[10]，缩窄门宽[11]、[12]，以及减小延迟步长[13]、[14]。然而，这些硬件层面的优化往往伴随着系统复杂度和成本的显著增加[15]、[16]。相比之下，本文提出的方法仅通过算法手段有效提升距离分辨率，无需修改现有硬件配置，从而为高精度门控成像提供了一条兼顾高性能与成本效益的技术路径。

在算法重建方法方面，研究者已开展了一系列研究工作。Du等人[17]将阈值处理与互相关相结合，通过定位相关函数的峰值来估计目标距离。然而，该方法严重依赖灰度曲线的理想化建模，且在不同实验场景下需要反复调参，限制了其通用性。此外，它需要足够的波形信息才能产生可靠的相关峰值，在少帧条件下效果不佳。另外，重建精度受限于理论模型与实际测量之间的失配，阻碍了其在高精度水下图像重建中的实际应用。Wang等人[18]提出了一种去模糊门控强度相关成像方法，利用水衰减系数构建并应用深度噪声图。然而，该方法依赖于大量先验环境参数，如衰减系数和散射特性，并假定介质均匀。该假设在悬浮颗粒分布不均的浑浊或分层水体中失效。此外，其成像性能对参数精度高度敏感，需要繁琐的调参才能获得满意的结果，这阻碍了快速处理和实时评估，从而限制了其在野外应用中的灵活性。Yang等人[19]引入了帧差法来提取动态信息。然而，该方法仅依赖单阈值处理，噪声抑制能力有限。在强水下散射环境中，差分操作引入的噪声会在结果图像中累积，无法被单一阈值有效去除。因此，成像质量下降，目标轮廓模糊，无法满足实际水下探测的需求。

为克服上述局限，本文提出了一种基于多帧图像融合的目标距离细分方法，称为TRS-MF，用于门控水下LiDAR图像重建。该方法不依赖系统特定的先验参数，无需繁琐的调参，具有高度的通用性。即使采集帧数有限，它仍然有效，能够可靠地重建目标轮廓和距离信息。此外，通过中值滤波、对称差分和OTSU阈值处理的组合，该方法能有效抑制水下散射噪声，保持高成像质量。即使在宽脉冲激光和宽门宽的硬件条件下，TRS-MF仍能提取目标距离信息，显著提升水下LiDAR系统的距离分辨率和重建精度。总体而言，它为复杂水下环境中的实时感知提供了一条高效、鲁棒且成本效益高的技术路径。

章节摘要

门控水下LiDAR的工作原理

在LiDAR系统中，门控技术利用了脉冲激光回波的往返时间与目标距离之间的线性关系。通过精确同步激光脉冲发射与门控探测器的开启时间，实现了对特定距离范围内回波信号的选择性接收，从而有效抑制来自非目标距离范围的噪声和干扰[20]。门控技术的工作原理如图

TRS-MF算法原理

在门控成像中，图像增强器的距离门具有特定的宽度，且该宽度显著大于延迟步长。这一特性不可避免地导致在连续步进采集过程中，各帧与其相邻帧之间存在信号重叠。因此，不同距离的目标信息在多个帧中相互干扰[23]。如果直接使用原始图像进行后续处理，不同距离处目标的边界

对比的基准算法

为验证所提出的TRS-MF算法的有效性，选取了三种代表性重建方法作为对比基准：二值化方法、相邻帧差分（AFD）方法和互相关方法。

总结与结论

本文针对门控LiDAR在复杂水下环境中面临的两大核心挑战——目标细节特征容易丢失和距离分辨率不足——提出了一种基于多帧图像融合的目标距离细分图像重建算法，称为TRS-MF。该方法以三帧连续图像为基本处理单元，通过对称差分在门控窗口内提取距离分辨力最高的距离切片，

CRediT作者贡献声明

任修云： 指导、资源、项目管理、数据整理。 陈文杰： 原稿撰写、可视化、验证、调研。 齐一帆： 原稿撰写、指导、数据整理。 赵旭鹏： 原稿撰写、验证、方法学、调研。 杨刚： 审阅与编辑、指导、项目管理。 刘立宝： 指导、项目管理、形式分析、数据整理。 张衍超： 审阅与编辑，

利益冲突声明

作者声明不存在已知的可能影响本文所报告工作的经济利益冲突或个人关系。

任修云|陈文杰|齐一帆|赵旭鹏|杨刚|刘立宝|张衍超