[首發(fā)于智駕最前沿微信公眾號(hào)]之前在聊激光雷達(dá)點(diǎn)云“鬼影”和“膨脹”的文章中（相關(guān)閱讀：激光雷達(dá)點(diǎn)云中“鬼影”和“膨脹”是什么原因?qū)е碌�？），很多小伙伴都提到一個(gè)問題，那就是激光雷達(dá)點(diǎn)云中的“鬼影”和“膨脹”可以如何解決，今天就圍繞這個(gè)話題展開聊聊。

激光雷達(dá)點(diǎn)云中的“鬼影”和“膨脹”到底是什么

在聊今天的話題前，還是簡單說下激光雷達(dá)中的“鬼影”和“膨脹”是什么。激光雷達(dá)作為廣泛應(yīng)用在自動(dòng)駕駛、機(jī)器人和三維測繪等領(lǐng)域的感知硬件，其能把周圍環(huán)境描述成三維點(diǎn)云，讓機(jī)器感知到物體的距離、形狀和位置。但在實(shí)際應(yīng)用中，點(diǎn)云并不是完美無誤的，它會(huì)帶如“鬼影”和“膨脹”等問題。

1）鬼影

所謂“鬼影”，是指在激光雷達(dá)生成的點(diǎn)云數(shù)據(jù)中，出現(xiàn)了在現(xiàn)實(shí)場景中并不存在的虛假物體或點(diǎn)云結(jié)構(gòu)。這些虛假點(diǎn)云可能呈現(xiàn)為離散的散點(diǎn)，也可能聚集形似真實(shí)物體的輪廓，會(huì)對(duì)感知系統(tǒng)造成嚴(yán)重干擾。

點(diǎn)云出現(xiàn)“鬼影”，圖片源自：網(wǎng)絡(luò)

舉一個(gè)典型的例子，當(dāng)激光束照射到路邊的反光標(biāo)志或光滑鏡面時(shí)，部分能量可能發(fā)生多次反射或鏡面反射，導(dǎo)致系統(tǒng)依據(jù)延遲的回波信號(hào)，在錯(cuò)誤的空間位置上計(jì)算出一個(gè)“重復(fù)”或扭曲的點(diǎn)云簇，使感知算法誤判該處存在實(shí)際并不存在的障礙物。

這種現(xiàn)象主要源于激光雷達(dá)的工作原理，其通過計(jì)算激光發(fā)射與接收的時(shí)間差來測算距離，而強(qiáng)烈的反射、復(fù)雜的多徑效應(yīng)或接收電路的噪聲干擾，都可能生成具有誤導(dǎo)性的時(shí)空信號(hào)，進(jìn)而被解算為空間中的虛假點(diǎn)。鬼影不僅增加了點(diǎn)云數(shù)據(jù)的噪聲，更可能直接引發(fā)自動(dòng)駕駛系統(tǒng)或測量模型的誤判，是三維感知中需要重點(diǎn)識(shí)別與濾除的典型干擾之一。

2）膨脹

所謂“膨脹”，是指在激光雷達(dá)掃描中，真實(shí)物體的點(diǎn)云輪廓往往顯得比實(shí)際物理尺寸更大，點(diǎn)云向外擴(kuò)散，邊緣變得模糊和“臃腫”。這一現(xiàn)象主要源于激光雷達(dá)接收反射信號(hào)時(shí)的物理特性，當(dāng)激光束照射到物體表面時(shí)，尤其是遇到高反射率材質(zhì)（如金屬、玻璃等）時(shí)，信號(hào)容易在表面發(fā)生散射或多次反射，導(dǎo)致部分回波信號(hào)來自物體邊緣以外或相鄰區(qū)域。

點(diǎn)云出現(xiàn)“膨脹”，圖片源自：網(wǎng)絡(luò)

此外，激光光束本身具有一定的發(fā)散角，接收電路也存在時(shí)間響應(yīng)和信號(hào)處理上的微小延遲與噪聲，這些因素共同造成點(diǎn)云在空間分布上“溢出”實(shí)際邊界，從而形成視覺上的膨脹效果。這種現(xiàn)象在高反射物體上尤為明顯，不僅影響點(diǎn)云的幾何精度，也對(duì)后續(xù)的三維重建、目標(biāo)識(shí)別與測量等任務(wù)帶來一定挑戰(zhàn)。

從硬件層面減少“鬼影”和“膨脹”的產(chǎn)生

想減少“鬼影”與“膨脹”現(xiàn)象，首先要做的就是從傳感器硬件設(shè)計(jì)與參數(shù)優(yōu)化層面入手，抑制其產(chǎn)生的物理根源。激光雷達(dá)的接收器動(dòng)態(tài)范圍至關(guān)重要，它決定了傳感器同時(shí)處理強(qiáng)弱信號(hào)的能力。若動(dòng)態(tài)范圍不足，遇到高反射物體時(shí)，強(qiáng)回波信號(hào)容易導(dǎo)致接收電路飽和，引發(fā)信號(hào)畸變，從而加劇點(diǎn)云的“膨脹”。采用更寬的動(dòng)態(tài)范圍或分段增益控制技術(shù)，能有效區(qū)分正常與過強(qiáng)的反射信號(hào)，顯著減輕此類效應(yīng)。

在光學(xué)設(shè)計(jì)方面，優(yōu)化舉措同樣關(guān)鍵。通過精心的光學(xué)濾波、抗反射表面處理以及改進(jìn)的鏡頭設(shè)計(jì)，可以增強(qiáng)光束的均勻性與可控性，從源頭減少無意義的強(qiáng)反射與雜散光。這一優(yōu)化能有效抑制因多次反射和光學(xué)噪聲所產(chǎn)生的虛假信號(hào)，從而在硬件層面直接降低“鬼影”生成的概率。

圖片源自：網(wǎng)絡(luò)

此外，采用更先進(jìn)的回波處理機(jī)制也能提升點(diǎn)云的真實(shí)性。如通過記錄并分析多重回波（而不僅是第一個(gè)回波），使系統(tǒng)能夠區(qū)分激光穿透半透明物體（如玻璃）或在復(fù)雜結(jié)構(gòu)間多次反射產(chǎn)生的分層信號(hào)。這有助于辨識(shí)并濾除那些不合理空間位置的虛假點(diǎn)云，為后續(xù)算法提供更干凈的數(shù)據(jù)基礎(chǔ)。

高精度的出廠校準(zhǔn)與運(yùn)行時(shí)的實(shí)時(shí)自校準(zhǔn)機(jī)制也不可或缺。激光雷達(dá)內(nèi)部各收發(fā)通道存在固有差異，且會(huì)隨溫度變化、機(jī)械振動(dòng)與時(shí)間推移而發(fā)生漂移。持續(xù)的校準(zhǔn)能校正這些誤差，防止其放大點(diǎn)云中的噪聲與幾何失真，為生成高質(zhì)量、可靠的點(diǎn)云數(shù)據(jù)奠定堅(jiān)實(shí)的硬件基礎(chǔ)。

點(diǎn)云預(yù)處理的基本策略：濾波和異常點(diǎn)過濾

即便硬件設(shè)計(jì)不斷優(yōu)化，點(diǎn)云數(shù)據(jù)中仍難以完全避免噪聲與異常點(diǎn)的產(chǎn)生。因此，在點(diǎn)云進(jìn)入感知算法前，進(jìn)行有效的預(yù)處理是至關(guān)重要的一步。預(yù)處理旨在通過去噪、下采樣和離群點(diǎn)移除等操作，在保留真實(shí)幾何結(jié)構(gòu)的前提下，清理掉點(diǎn)云中明顯的錯(cuò)誤點(diǎn)，為后續(xù)處理提供更干凈、可靠的數(shù)據(jù)基礎(chǔ)。

常用的濾波技術(shù)包括統(tǒng)計(jì)濾波與直通濾波。統(tǒng)計(jì)濾波通過分析每個(gè)點(diǎn)周圍鄰域內(nèi)點(diǎn)的分布特征（如密度、平均距離和標(biāo)準(zhǔn)差），識(shí)別并剔除那些偏離主體分布、符合噪聲特征的離群點(diǎn)。直通濾波則通過設(shè)置合理的空間范圍（如距離、高度或平面區(qū)間），直接截取目標(biāo)區(qū)域內(nèi)的點(diǎn)云，可有效濾除因干擾產(chǎn)生的遠(yuǎn)處“鬼影”等明顯不合理的數(shù)據(jù)點(diǎn)。

圖片源自：網(wǎng)絡(luò)

為進(jìn)一步優(yōu)化數(shù)據(jù)效率與質(zhì)量，體素網(wǎng)格濾波常被用于降采樣。該方法將點(diǎn)云空間劃分為均勻的體素格子，并用每個(gè)體素內(nèi)所有點(diǎn)的重心或平均值代表該體素，從而在降低點(diǎn)云數(shù)量的同時(shí)，一定程度上平滑因“膨脹”效應(yīng)導(dǎo)致的邊緣擴(kuò)散，兼顧處理速度與幾何保持。

此外，還可以結(jié)合點(diǎn)云的幾何特征進(jìn)行篩選，如通過計(jì)算局部法向量和曲率，判斷點(diǎn)的表面一致性。若某點(diǎn)所處的局部幾何特征與其周圍物體表面明顯不符，則很可能為噪聲點(diǎn)，可在預(yù)處理階段就予以剔除。

盡管這些預(yù)處理方法無法從根本上消除“鬼影”和“膨脹”，但在大多數(shù)實(shí)際場景中，它們能夠顯著減少異常點(diǎn)的數(shù)量，提升點(diǎn)云數(shù)據(jù)的整體質(zhì)量，使后續(xù)的目標(biāo)檢測、分類與建模等高級(jí)處理更加穩(wěn)定可靠。

基于校正和幾何恢復(fù)的深入處理方法

在預(yù)處理之后，對(duì)于依然存在的反光噪聲與膨脹效應(yīng)，可通過進(jìn)一步的校正與幾何恢復(fù)處理，從而更準(zhǔn)確地重建真實(shí)的物體輪廓與表面結(jié)構(gòu)。

一種常見的思路是依據(jù)反射特征識(shí)別潛在的高反射目標(biāo)區(qū)域。由于高反射表面（如金屬、玻璃、反光標(biāo)志）的回波通常在點(diǎn)云中具有較高的強(qiáng)度值，因此可利用點(diǎn)云附帶的強(qiáng)度信息或反射率特征，對(duì)點(diǎn)云進(jìn)行初步分類，將強(qiáng)反射區(qū)域標(biāo)記出來，從而為后續(xù)針對(duì)性的處理提供了基礎(chǔ)，也體現(xiàn)了多維度信息（空間坐標(biāo)+強(qiáng)度）在區(qū)分真實(shí)點(diǎn)與虛假點(diǎn)方面的價(jià)值。

圖片源自：網(wǎng)絡(luò)

識(shí)別出高反射區(qū)域后，可借助幾何擬合方法對(duì)其中的點(diǎn)云進(jìn)行校正。若已知該區(qū)域?qū)?yīng)一個(gè)平面交通標(biāo)志，則可利用區(qū)域內(nèi)的點(diǎn)擬合一個(gè)平面模型，并將明顯偏離該模型的點(diǎn)視為噪聲予以剔除或調(diào)整。該方法適用于已知物體大致幾何形狀的場景，通過約束點(diǎn)云符合預(yù)期的幾何模型，可有效修正因信號(hào)擴(kuò)散導(dǎo)致的“膨脹”或邊緣模糊。

現(xiàn)階段，還有一些研究采用了聯(lián)合去噪與幾何恢復(fù)的整體框架，通過多階段、多策略的流程綜合處理各類噪聲。如先通過濾波去除離散噪聲，再對(duì)高反射區(qū)域進(jìn)行幾何模型擬合以恢復(fù)真實(shí)邊界，最后針對(duì)局部膨脹誤差做精細(xì)化調(diào)整，使點(diǎn)云整體在幾何和拓?fù)渖细N近物體真實(shí)形態(tài)。這類方法在實(shí)驗(yàn)中展現(xiàn)出顯著的效果，能夠系統(tǒng)性地提升點(diǎn)云在復(fù)雜反射環(huán)境下的幾何精度與可靠性。

總的來說，基于反射特征識(shí)別、幾何模型約束與多階段聯(lián)合處理的校正策略，為應(yīng)對(duì)“鬼影”和“膨脹”這類頑固噪聲提供了更深層的解決途徑，有助于在感知前端獲得更干凈、更準(zhǔn)確的三維環(huán)境表達(dá)。

多幀融合和時(shí)間一致性檢查

單次掃描的點(diǎn)云更容易受到如突發(fā)的強(qiáng)反射、環(huán)境光突變或瞬時(shí)遮擋等瞬時(shí)干擾的影響，這些因素可能在點(diǎn)云中引入短暫存在的錯(cuò)誤點(diǎn)，“鬼影”與“膨脹”現(xiàn)象中也會(huì)包含這類瞬時(shí)噪聲。

為此，可利用連續(xù)多幀點(diǎn)云進(jìn)行時(shí)序融合，以提升點(diǎn)云的穩(wěn)定性和可靠性。其基本原理是基于真實(shí)的環(huán)境結(jié)構(gòu)在連續(xù)時(shí)序中具有相對(duì)穩(wěn)定性，而噪聲點(diǎn)多為隨機(jī)出現(xiàn)、位置或形態(tài)在不同幀間不一致。通過將連續(xù)若干幀點(diǎn)云進(jìn)行對(duì)齊與疊加，并統(tǒng)計(jì)各空間位置點(diǎn)出現(xiàn)的持續(xù)性，可以有效區(qū)分真實(shí)物體與瞬時(shí)噪聲。那些在多數(shù)幀中穩(wěn)定出現(xiàn)的點(diǎn)會(huì)被保留，而僅偶爾出現(xiàn)的點(diǎn)則被視為噪聲予以剔除。這種方法通過在時(shí)間維度上利用數(shù)據(jù)的冗余性，可顯著增強(qiáng)對(duì)真實(shí)場景結(jié)構(gòu)的判斷信心。

圖片源自：網(wǎng)絡(luò)

時(shí)序融合不僅能夠抑制瞬時(shí)噪聲、改善單幀點(diǎn)云質(zhì)量，也為后續(xù)感知算法提供了更穩(wěn)定、更完整的數(shù)據(jù)基礎(chǔ)。在自動(dòng)駕駛場景中，對(duì)車輛前方連續(xù)多幀點(diǎn)云進(jìn)行融合分析，可以更準(zhǔn)確判斷某一位置是否存在真實(shí)障礙物。若該處點(diǎn)云在連續(xù)多幀中持續(xù)出現(xiàn)，則可確認(rèn)為真實(shí)物體；反之，若僅在個(gè)別幀中零星出現(xiàn)，則大概率屬于噪聲。通過基于時(shí)間一致性的濾波與融合策略，能夠顯著降低“鬼影”和“膨脹”帶來的誤判風(fēng)險(xiǎn)，提升環(huán)境感知的魯棒性與準(zhǔn)確性。

時(shí)序融合是從動(dòng)態(tài)維度對(duì)抗點(diǎn)云噪聲的有效手段，與硬件優(yōu)化、預(yù)處理、幾何校正等方法相結(jié)合，可共同構(gòu)建起多層次、高魯棒的點(diǎn)云質(zhì)量增強(qiáng)體系。

利用學(xué)習(xí)方法提高點(diǎn)云質(zhì)量

傳統(tǒng)的濾波和幾何校正方法是基于預(yù)設(shè)規(guī)則與參數(shù)來實(shí)現(xiàn)的，在簡單或結(jié)構(gòu)化的場景中表現(xiàn)會(huì)較為良好。但在復(fù)雜動(dòng)態(tài)環(huán)境或多種噪聲相互交織的情況下，這類方法就顯得不夠靈活，難以準(zhǔn)確區(qū)分噪聲與真實(shí)結(jié)構(gòu)之間的細(xì)微差異。

近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于數(shù)據(jù)驅(qū)動(dòng)的方法為點(diǎn)云去噪與校正提供了新的思路。這類方法通過大量標(biāo)注的點(diǎn)云數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，使其能夠自動(dòng)學(xué)習(xí)區(qū)分真實(shí)點(diǎn)云與噪聲的內(nèi)在規(guī)律。網(wǎng)絡(luò)可以綜合利用點(diǎn)的空間分布、局部幾何特征、反射強(qiáng)度以及多尺度鄰域關(guān)系等信息，自動(dòng)提取更深層次、更魯棒的特征表示，從而實(shí)現(xiàn)對(duì)“鬼影”“膨脹”等復(fù)雜噪聲的智能識(shí)別與抑制。

圖片源自：網(wǎng)絡(luò)

深度學(xué)習(xí)方法的優(yōu)勢在于其能夠從海量數(shù)據(jù)中學(xué)習(xí)復(fù)雜、非線性的噪聲模式，而不依賴于人工設(shè)計(jì)的規(guī)則或閾值。對(duì)于傳統(tǒng)算法難以清晰定義的反射異常、動(dòng)態(tài)干擾或多種失真混合的情況，訓(xùn)練良好的模型可以表現(xiàn)出更強(qiáng)的適應(yīng)性與恢復(fù)能力。

當(dāng)然，這類方法也存在一定的挑戰(zhàn)。深度學(xué)習(xí)的性能高度依賴訓(xùn)練數(shù)據(jù)的規(guī)模與標(biāo)注質(zhì)量，但獲取大規(guī)模、高質(zhì)量的真實(shí)噪聲標(biāo)注點(diǎn)云成本會(huì)較高；此外，深度學(xué)習(xí)模型的計(jì)算復(fù)雜度也較高，對(duì)部署平臺(tái)的算力有一定要求。因此，在實(shí)際應(yīng)用中，需根據(jù)具體場景需求，在效果與效率之間進(jìn)行權(quán)衡，或考慮將其與傳統(tǒng)方法結(jié)合，構(gòu)建混合增強(qiáng)的噪聲處理流程。

多傳感器融合：讓激光雷達(dá)不再孤軍奮戰(zhàn)

單一的傳感器系統(tǒng)始終存在固有的性能邊界與環(huán)境適應(yīng)性限制。激光雷達(dá)在面對(duì)高反射、復(fù)雜天氣或瞬時(shí)干擾時(shí)，難免出現(xiàn)“鬼影”“膨脹”等點(diǎn)云異常，若僅依賴其單一的數(shù)據(jù)源進(jìn)行感知，依然會(huì)存在誤判風(fēng)險(xiǎn)。為了提升系統(tǒng)的整體魯棒性與安全性，很多技術(shù)方案會(huì)采用多傳感器融合策略，通過協(xié)同使用攝像頭、毫米波雷達(dá)、超聲波雷達(dá)等異構(gòu)傳感器，實(shí)現(xiàn)對(duì)環(huán)境的多維度冗余感知。

多傳感器融合的核心在于利用不同傳感模態(tài)的特性進(jìn)行互補(bǔ)與驗(yàn)證。攝像頭能夠提供豐富的紋理與語義信息，可通過視覺檢測驗(yàn)證激光雷達(dá)點(diǎn)云中某處是否確實(shí)存在對(duì)應(yīng)物體。若雷達(dá)報(bào)告該處存在疑似障礙物，而攝像頭在同一區(qū)域未識(shí)別出相應(yīng)實(shí)體，則該點(diǎn)云可被標(biāo)記為低置信度或疑似噪聲。這種跨模態(tài)校驗(yàn)機(jī)制可顯著降低因單一傳感器異常導(dǎo)致的誤判。

圖片源自：網(wǎng)絡(luò)

毫米波雷達(dá)與激光雷達(dá)的組合也十分常見。毫米波雷達(dá)對(duì)雨雪、霧霾等惡劣天氣具有較好的穿透性，且不易受高反射表面干擾，其穩(wěn)定的速度與距離測量能力，可與激光雷達(dá)的高精度三維點(diǎn)云形成有效互補(bǔ)。將兩者的輸出進(jìn)行融合，不僅能驗(yàn)探測的目標(biāo)是否存在，還能在部分傳感器性能下降時(shí)依舊保持基本的環(huán)境感知能力。

多傳感器融合的關(guān)鍵在于精確的時(shí)空同步與坐標(biāo)系統(tǒng)一。必須通過標(biāo)定將各傳感器的數(shù)據(jù)映射至同一坐標(biāo)系，并保證數(shù)據(jù)在時(shí)間上嚴(yán)格對(duì)齊，在此基礎(chǔ)上應(yīng)用濾波、關(guān)聯(lián)、融合等算法，才能在感知層有效抑制因單一傳感器噪聲引起的誤差，輸出更穩(wěn)定、更可信的環(huán)境表征。多傳感器融合不僅是提升感知性能的技術(shù)手段，更是構(gòu)建高可靠性自主系統(tǒng)的必要架構(gòu)設(shè)計(jì)。

最后的話

通過從硬件優(yōu)化、預(yù)處理濾波、幾何校正、多幀融合、學(xué)習(xí)方法和多傳感器融合等多個(gè)方式，可以顯著減少激光雷達(dá)點(diǎn)云中的“鬼影”和“膨脹”現(xiàn)象。每個(gè)技術(shù)都有其適用場景和限制，綜合應(yīng)用能讓點(diǎn)云更接近真實(shí)環(huán)境，提高自動(dòng)駕駛等系統(tǒng)的安全性和可靠性。