基于三维时空核密度估计的GM-APD激光雷达少帧深度图像重建算法

《Frontiers in Physics》：Few-frame depth image reconstruction algorithm for GM-APD LiDAR based on three-dimensional spatiotemporal kernel density estimation

　　

盖革模式雪崩光电二极管（Geiger-mode avalanche photodiode, GM-APD）激光雷达在有限帧累积和低信噪比（signal-to-background ratio, SBR）条件下获取的回波数据呈现严重的稀疏性和离散性，使得传统基于一维直方图的方法难以准确恢复目标深度。针对这一问题，本文提出了一种基于三维时空核密度估计（three-dimensional spatiotemporal kernel density estimation, 3D-STKDE）的深度图像重建算法。该方法将传统的一维时间域处理扩展至三维时空域。首先，引入时空相关加权预处理机制以抑制背景噪声，并构建空间与时间分离的三维高斯核，对光子事件进行时空平滑处理，从而提取连续的概率密度分布。在此基础上，采用密度加权质心计算以缓解探测器死时间机制引起的不对称测距误差，并利用空间插值修复深度空洞。仿真与外场实验均验证了该算法在强背景噪声和稀疏数据条件下的深度提取能力。在平均SBR约为0.0311、有效累积100帧的外场场景中，该算法实现了82.92%的目标恢复率（Target Recovery, TR）和1.24 m的平均绝对误差（Mean Absolute Error, MAE）。与SPIRAL算法相比，TR提升了22.76%，MAE降低了0.39 m。结果表明，该算法在低SBR和少帧（如≤100帧）累积条件下有效提高了重建完整性和测距精度，为复杂环境下的单光子三维成像提供了一种可行的深度提取方案。

论文解读：基于三维时空核密度估计的GM-APD激光雷达少帧深度图像重建算法

一、研究背景与问题

盖革模式雪崩光电二极管（Geiger-mode avalanche photodiode, GM-APD）激光雷达具有单光子探测灵敏度和皮秒级时间分辨率，已广泛应用于远距离目标探测、自动驾驶、高精度三维地形测绘等领域。然而，在实际户外场景中，太阳背景光和大气散射会引入大量环境噪声。当信噪比（signal-to-background ratio, SBR）降至较低水平（如SBR<0.1）时，微弱的目标回波容易被背景噪声淹没。此外，对于快速光束扫描和机载高动态探测等任务，激光束在每个像素上的驻留时间有限，系统只能在极短的时间窗口内获取数十至数百帧的回波数据。在低SBR和少帧的双重约束下，目标回波光子高度稀疏且离散，给精确深度提取带来了巨大挑战。

传统的基于单像素的一维时间统计算法，如峰值拾取法、匹配滤波法和质心法，在帧累积充足且信号质量较高时能够取得满意的深度提取性能。然而，GM-APD探测器在单停止模式下存在固有的死时间效应，即时间门内首先到达的光子触发雪崩并使探测器失效，导致同一探测周期内后续光子无法被响应。这种物理响应机制使得光子计数直方图沿时间轴呈现不对称分布，表现为陡峭的上升沿和缓慢衰减的拖尾。在低SBR条件下，大量背景光子占据多数触发机会，微弱的目标峰被累积的前端噪声严重掩盖。同时，少帧设置极大限制了有效光子的累积量，难以建立可靠的逐像素统计分布。因此，纯单像素一维处理无法在低SBR和少帧条件下同时保证高目标检测精度和测距精度。

为利用相邻像素的空间特征进行时空联合滤波，研究者提出了SPIRAL算法，采用全变差（Total Variation, TV）正则化，在极低信号质量下实现了有前景的轮廓恢复，但其基于高维时空矩阵的迭代优化带来了巨大的计算开销。近年来，深度学习方法也被广泛应用于单光子成像，但深度学习模型依赖大规模训练数据集，而真实外场单光子数据的采集成本高、操作难度大，大规模公开数据集仍然缺乏，极大限制了深度学习模型在未知复杂户外环境中的泛化能力。基于像素邻域的核密度估计（Kernel Density Estimation, KDE）方法被引入点云去噪中，但在低SBR和少帧条件下，传统邻域聚合容易将强背景噪声误判为目标峰，且传统局部最大值提取策略无法计算性校正死时间效应引起的不对称测距误差。

二、研究内容与意义

针对少帧和低SBR条件下深度提取中背景干扰严重和测距误差大的问题，本文提出了一种基于三维时空核密度估计（3D-STKDE）的深度图像重建算法。该方法将传统依赖单像素一维时间累积的处理方案扩展至三维时空域中的光子密度聚类与计算框架。首先，通过时空相关加权预处理策略抑制背景噪声；其次，构建空间与时间可分离的三维高斯核，对离散光子进行卷积平滑，利用局部空间相关性补偿少帧约束下单时间轴采样不足的问题，提取连续的三维概率密度分布；在深度计算阶段，采用自适应密度阈值消除残余噪声并提取有效峰，然后应用密度加权质心计算模型有效缓解不对称分布引起的距离游走（range walk）现象；最后，采用反距离加权（Inverse Distance Weighted, IDW）空间插值算法填补深度图像中的局部空洞。外场对比实验表明，在平均SBR约为0.0311、仅累积100帧的极低信噪比场景中，该算法实现了82.92%的目标恢复率（Target Recovery, TR）和1.24 m的平均绝对误差（Mean Absolute Error, MAE），充分验证了该算法在数据受限条件下的可靠重建能力和高测距精度。

三、关键技术方法

研究人员采用的主要技术方法包括以下四个方面。第一，时空相关加权预处理：针对每个候选光子事件，统计其局部时空滑动窗口内的聚集光子数，采用非线性激活函数分配[0,1]范围内的置信权重，有效抑制随机分布的背景噪声，同时保留被噪声淹没的微弱目标回波光子。第二，空间与时间可分离的三维高斯核密度估计：构建空间核带宽σ_s和时间核带宽σ_t分离的三维高斯核，对加权离散光子进行卷积平滑，将离散光子时间戳转换为连续的三维概率密度分布。第三，密度加权质心计算：基于自适应密度阈值提取有效峰后，将3D-STKDE得到的连续核密度值作为置信权重，在峰邻域内实施密度加权质心计算，有效校正死时间效应引起的不对称测距偏差。第四，IDW空间插值：利用局部空间连续性先验，对深度图像中的空洞像素进行加权填充。仿真实验中，研究人员采用蒙特卡洛模型生成64×64像素阵列GM-APD激光雷达的仿真数据，设置两个不同深度的目标，分别对应第600个时间箱和第1200个时间箱，通过调节信号光子和背景噪声点的生成概率获得SBR分别为0.08、0.05和0.02的三组测试数据集。

四、研究结果

GM-APD探测机制与少帧数据峰退化分析。 研究人员通过蒙特卡洛仿真分析了单像素在不同帧累积数下的实际触发概率分布。仿真参数设置为时间门包含1000个时间箱，目标位于第600个时间箱，平均SBR为0.02。结果表明，当累积帧数为10000时，实际概率分布与理论模型吻合良好，目标峰清晰可辨；当帧数降至100和50时，前端噪声抢占和采样帧不足的共同效应导致单像素一维直方图高度稀疏和离散。这一统计特性的严重退化证明，在低SBR和少帧条件下，仅依靠单像素的一维时间统计无法准确重建真实目标深度，因此需要将处理扩展至三维时空域。

时空相关加权与三维核密度估计。 研究人员分析了信号与噪声在时空域中的分布差异：背景噪声光子在时空域中服从均匀泊松分布，呈现强随机性和离散性；而真实目标反射的回波光子受目标空间连续性、接收光学系统点扩散函数（point spread function, PSF）和激光脉冲时间轮廓的共同约束，在局部时空邻域内呈现显著的聚集特征。基于此，研究人员设计了时空相关加权预处理方案，采用连续权重映射而非硬阈值截断，在有效抑制离散噪声的同时最大程度保留被噪声淹没的微弱目标回波光子。随后，利用空间和时间可分离的三维高斯核进行卷积平滑，将离散光子转换为连续的三维概率密度分布。该方法充分利用局部邻域的空间相关性，有效补偿了少帧条件下单时间轴采样不足的问题，实现了从稀疏离散点云中准确提取真实深度峰。

密度加权质心计算与空间插值。 研究人员针对探测器死时间效应导致的光子计数直方图沿时间轴不对称分布（陡峭上升沿和缓慢衰减拖尾）问题，采用3D-STKDE得到的连续核密度值作为置信权重，在峰邻域内实施密度加权质心计算。通过为峰的高密度核心区域分配更大的非线性权重，有效补偿了死时间效应引起的不对称距离游走偏差。仿真结果表明，传统算术平均法因拖尾光子的存在严重偏离真实深度，而密度加权质心法则实现了有效的偏差校正。在深度计算后，针对低SBR和少帧条件下不可避免出现的局部空洞像素，采用IDW空间插值方法进行后处理填充，充分利用目标表面的局部空间连续性，无需全局迭代优化即可有效填补深度空洞。

五、讨论与结论

讨论部分指出，在低SBR和少帧条件下，传统单像素一维处理方法面临根本性局限：峰值拾取法易受随机背景噪声引起虚警，匹配滤波的互相关峰显著退化，质心法因不对称分布遭受距离游走。本文提出的3D-STKDE算法通过将处理扩展至三维时空域，利用相邻像素的空间相关性补偿单时间轴采样不足，从根本上解决了少帧条件下单像素统计分布不可靠的问题。与SPIRAL算法相比，3D-STKDE避免了基于高维时空矩阵的迭代优化，计算开销更低；与深度学习方法相比，该方法不依赖大规模训练数据集，具有更强的泛化能力。仿真和外场实验一致验证了该算法在低SBR和少帧条件下的有效性和鲁棒性。

研究结论为：本文提出的基于三维时空核密度估计的深度图像重建算法，通过时空相关加权预处理、空间与时间可分离的三维高斯核密度估计、密度加权质心计算和IDW空间插值四个步骤，有效解决了GM-APD激光雷达在低SBR和少帧条件下的深度提取难题。在外场场景中，当平均SBR约为0.0311、有效累积仅100帧时，该算法实现了82.92%的目标恢复率和1.24 m的平均绝对误差，相比SPIRAL算法TR提升了22.76%，MAE降低了0.39 m。研究结果表明，该算法在数据受限条件下有效提高了重建完整性和测距精度，为复杂环境下的单光子三维成像提供了一种可行的深度提取解决方案。