MicroCloud Hologram实现单光子激光雷达数据的3D全息重建

盖世汽车讯 据外媒报道，全息数字孪生技术供应商MicroCloud Hologram（HOLO）宣布开发出用于单光子激光雷达数据实时3D全息重建的点云去噪算法。该算法为MicroCloud Hologram自主研发成果，将进一步完善该公司的知识产权保护体系，保持技术领先，并增强核心竞争力。

尽管3D全息激光雷达点云成像持续快速发展，但目前可用的计算成像算法往往速度太慢、不够详细，且需要极高的算力，甚至基于CNN（卷积神经网络）的场景深度估计算法也难以满足训练后的实时要求。HOLO提出种新的算法结构，满足速度、鲁棒性和可扩展性的要求。该算法将点云去噪工具应用于计算机图形，可以有效地将目标表面建模为嵌入3D空间的2D流形。

该算法可以合并有关观察模型的信息，例如泊松（Poisson）噪声、坏像素的存在、压缩感知等。该算法还使用计算机图形流建模工具，通过大规模并行降噪器可以每秒处理数十帧。HOLO的算法包括三个主要步骤：深度更新、强度更新和背景更新。

深度更新：对深度变量采取梯度步骤，使用点集表面算法对点云进行去噪。该更新在3D全息空间中的坐标系中进行操作。在内核的控制下，自适应在平滑连续的表面上执行。与传统的深度图像去噪相比，HOLO的点云去噪可以处理每个像素任意数量的表面，无论何种格式。此外，所有3D点都是并行处理的，从而显著缩短了计算时间。

强度更新：通过针对3D全息空间中单个像素的坐标来采取梯度步骤，从而减少噪声。这样，考虑同一表面内各点之间的相关性即可。最近的低通滤波器用于每个点。此步骤仅考虑局部相关性，并并行处理所有点。在去噪步骤之后，低于给定强度阈值的点，即最小允许反射率，会被移除。

背景更新：这取决于激光雷达系统的特性，类似于强度和深度更新。在双布拉格光栅（double-Bragg-grating）扫描系统中，激光源和单光子探测器轴不同，且背景计数也不一定在空间上相关。因此，没有对背景应用空间正则化，在这种情况下，降噪操作被简化为一个常数方程。背景检测类似于单布拉格光栅扫描系统和LiDAR阵列中的被动图像。在这种情况下，空间正则化有助于提高估计值，因此可以使用现成的具有低计算复杂度的图像去噪算法。

HOLO基于单光子数据的实时3D全息重建采用全新的计算框架。通过将统计模型与高度可扩展的计算机成像技术计算工具相结合，该框架允许以约10-20毫秒的处理时间对复杂的室外场景进行3D重建。HOLO开发的算法可以处理每一个像素面，允许在复杂场景中进行目标检测和成像。它还可以实现复杂移动场景的稳定实时目标重建，为实现用于3D全息成像应用的视频速率单光子LiDAR技术铺平了道路。

3D全息场景重建应用广泛，例如自动驾驶导航和环境检测，还有几个细分领域，例如用于发射率成像、立体成像或全波形LiDAR 3D全息成像的RGB-D传感器。与传统方案相比，HOLO的单光子LiDAR技术方案有多个突出优势。该技术采用的是安全的激光光源，具有低功耗和高灵敏度，可以在高散射水下或极雾环境中重建高分数3D全息图像。