1.背景

1.1 高精資料採集

高精采集車是整合了測繪鐳射、高效能慣導、高解析度相機等感測器為一體的移動測繪系統。高德高精團隊經過多年深耕打造的採集車，具有精度高、速度快、資料產生週期短、自動化程度高、安全性高、資訊量大等特點。

為了保證高精地圖製作的精度，在高精采集車中，我們使用了目前業界最先進的鐳射測距儀，具有測量距離遠、點雲密度大等優點，掃描頻率可以達到每秒100萬點。

1.2 鐳射MTA問題

高速的掃描頻率帶來高質量資料的同時，也引入了一些特有的噪聲和干擾，MTA就是其中的一種。什麼是 MTA（Multi-Time-Around）呢？我們可以看一下圖1，透過上下兩圖的對比可以看到，MTA問題實際就是鐳射的測距問題，鐳射將遠處的點錯誤的拉到了近處，導致遠處的樓房成為了近處路面上的噪聲。

MTA問題會給後續資料處理、自動識別、地圖製作等工藝流程帶來很大的困難，導致識別以及人工流程出現錯誤。

我們需要透過鐳射的內部機制和資料處理演算法，將這些噪聲恢復到它本來的位置。本文會從 MTA問題產生的原理、 鐳射應對M他的內部機制、 資料處理演算法三方面來介紹高精資料處理是如何解決這個問題的。

圖1 MTA問題資料

2.MTA原理

那麼，MTA究竟是怎樣產生的呢？這要從鐳射的測量原理說起。

2.1 鐳射測距原理

典型的鐳射掃描器是採用 TOF（time of flight）原理進行測量的，即鐳射感測器在測量時每隔固定時間發射一個脈衝，然後測量返回的脈衝能量，根據發射和接收的時間差計算點的距離：

透過週期性地“發射鐳射-接收回波”，即可根據光飛行引數得到一系列測量點距離，結合鐳射自身的位置和姿態即可計算出反射點的位置。

2.2 MTA多區間

鐳射受自身功率的限制，通常能夠探測到的最遠物體距離有限，為Dmax。而鐳射脈衝的發射間隔為dt，在下一個脈衝發射前，當前鐳射脈衝能夠探測到的最遠距離為：

高精采集車使用的鐳射頻率為100萬點/秒，對應的Dpluse為150m。

通常情況下，鐳射的傳送和接收是按順序進行的，即傳送-接收-傳送-接收，空中始終只有一個鐳射脈衝，接收和傳送是一一匹配的。

但是，當Dmax大於Dpluse時，如果測量物體比較遠，就可能在空中出現多個脈衝，多個脈衝到達接收器的順序不再和脈衝發射的順序一致，接收器無法正確計算脈衝的TOF，從而不能正確的得出物體的測距。這就是MTA（Multi-Time-Around），如下圖2所示。

通常將反射訊號可能跨過的收發週期數稱為“MTA區間”，匹配時間上最近的一個發射訊號為MTA1，次近的發射訊號為MTA2…依此類推。

Dpluse就是每個M他的區間長度。如果物體離鐳射的距離超過這個長度，就會發生MTA問題，高精采集車鐳射的MTA區間長度是150m，因此對於超過150m的遠處高樓就發生了MTA現象。

圖2 MTA區間

3.鐳射應對M他的內部機制

為了應對MTA問題，鐳射廠家也做了一些努力，透過利用測量物體的表面連續性的假設和變週期測量技術，找到了一些解決思路。

3.1 鄰域連續性假設

在現實世界中大多數物體，例如道路、標牌、建築物等人造物，這些實物都具有表面連續性，一般不會出現劇烈的幾何變化和紋理。因此，連續的鐳射脈衝測距應該變化不大，如圖3所示。

如果能夠找到一種辦法，使得當鐳射測距放錯MTA區間時，相鄰鐳射點不再具有連續性的特徵，就可以將點雲放到正確的MTA區間。變週期測量技術就是基於這一思路而產生的。

圖3 相鄰鐳射點測距連續性

3.2 變週期測量技術

為了識別MTA問題，鐳射廠商設計了一系列專利技術，其核心是“鐳射發射間隔可變”，即相鄰鐳射脈衝發射的時間間隔是不同的，如圖4。而且這個發射間隔的變化具備週期性，其週期特點如圖5所示。當將點雲放錯MTA區間時，其測距不再是連續的，而是如圖5中列表第3列所示，來回跳躍。如圖6，錯誤的MTA區間，相鄰點來回跳躍，形成圖中的分層。

圖4 變週期發射技術

圖5 變週期引數

圖6 錯誤MTA區間

4.MTA修正演算法

根據MTA問題的原理以及鄰域連續性假設，結合硬體上的變週期測量技術，確定MTA問題處理方案。首先進行鄰域劃分，找到相鄰鐳射點，然後對相鄰點計算放到不同MTA區間的統計權值，權值大的為真實MTA區間。同時為了提高演算法效能，利用鐳射本身安裝位置引數避免不必要的權值計算。

4.1 鄰域設定與檢測

首先確定鄰域，因為Lidar是一圈圈掃描的，既要考慮時間上連續的點相鄰，也要考慮連續圈的相鄰。其基本思路如下：

資料分圈：以一個圓周（線）為基本處理單元；
連續性計算區域：對於某個點，取其當前圈的鄰近點以及前後相鄰兩圈的鄰近點作為連續性計算區域，如圖7；
對每個點計算其測距連續性權值以及反射率連續性權值，即與方差成反比例然後得出MTA區域。

圖7 鄰域查詢

4.2 加權統計策略

總的加權策略是距離方差越大，權重越小；反射率方差越大，權重越小。具體權值選擇採用高斯函式或三角函式。

經過實際大批次資料統計分析，距離方差的權重採用高斯函式，其中u=0,δ=0.25,反射率方差的權重也採用高斯函式，其中u=0,δ=4

圖8 加權函式選取

具體計算過程如下：

對每個點，分別獲取其作為MTA1與MTA2的測量資料，主要為測距值、反射率；
對每個點，分別獲取其MTA1與MTA2鄰居點集合；
計算每個點的每個鄰居的測距權值和反射率權值，然後求和，最終根據權值大小確定MTA區域。

4.3 處理效果

演算法的處理效果如下圖9，圖10.

圖9 MTA處理效果：未處理MTA

圖10 MTA處理效果：MTA恢復結果

4.4 效能最佳化

使用基本的處理方案可以較好地恢復MTA錯誤問題，但是由於搜尋區間較大，而且必須逐點處理，效率很低，不能滿足效率的要求，需要進行最佳化。考慮的最佳化方向包括減少搜尋區間和演算法最佳化兩方面。

4.4.1 減小搜尋區間

我們使用的鐳射裝置探測範圍引數如下，不超過300m，也就是2個MTA區間，因此可以只考慮MTA1和MTA2區間兩種可能，這就大大降低了計算量。

裝置探測範圍引數：

探測距離最大 235m（80%高反射率）；
低反射率物體不到 100m；
針葉林 100m；
柏油瀝青 120m；
闊葉林 150m；
建築磚頭 200m左右；
白色灰泥 250m。

4.4.2 演算法最佳化

根據掃描特性進一步進行演算法最佳化。

考慮到發生MTA錯誤都發生在地面以上，即鐳射實際能掃描到的很遠的物體都在地面以上，可先根據車高資訊剔除地面附近點；
對於多次回波，點的連續性只取第一次回波來計算；
分圈後按掃描角和測距值判斷空間相鄰；
分圈處理，多執行緒並行加速；
對於不同區域的連續性都很差的點作為孤立點進行剔除。

5.總結與展望

MTA處理演算法作為點雲解算模組的一部分，是採集資料處理上雲的重要環節，不解決MTA問題，就無法實現採集資料處理的自動化。同時MTA處理演算法去除了資料處理環節對鐳射廠商軟體的依賴，為公司節省了大量成本。

在演算法設計階段嘗試利用SVM，RF等機器學習手段按點雲分類思路解題，初步測試發現樣本製作困難、正負樣本量級差異過大等問題。另一方面，機器學習方法批次處理需要考慮合適的空間範圍，對於每個分塊動輒億級的點數，其處理效率將無法滿足產線需求。

在演算法效果評估階段，原本打算使用廠商處理的結果作為真值。但評測下來發現，廠商處理結果的效果不如自研演算法，不能作為評測真值。最終我們結合產線工藝需求，專門製作了評估方案，演算法目標對焦到業務需求，從而客觀、可靠、快速地完成了演算法的評測工作。

目前MTA處理演算法已經進入了線上生產，處理了上萬公里點雲資料，目前執行穩定，達到預期。

關於高精地圖業務中心

高精地圖是高德 最具創新性的業務之一，致力於用感測器丈量世界，用演算法理解世界，用資料重新定義世界。我們幾乎涵蓋最熱門前沿學科， 高精地圖和自動駕駛是多學科交叉的應用工程體系。基於感知理解，三維重建，融合定位，計算幾何技術自動化生成高精數字化三維地圖。利用邊緣計算，大資料處理，雲服務，進行實時海量資料地圖重建。透過5G/V2X資訊交換，實現地圖物件間的資料互通，構建一張活地圖。我們不僅僅是資料製作者，更是新生活的定義者。加入我們，未來“由”你。

高精地圖技術專欄 | 基於空間連續性的異常3D點雲修復技術