基于图注意力驱动的贝叶斯深度展开双峰单光子激光雷达成像

单光子激光雷达成像因其高分辨率和远程能力而具有显著优势，但在存在多个目标每个像素的情况下的噪声环境中具有挑战。为此，已提出多种方法。统计方法在推断参数上表现出可解释性，但常受限于处理复杂场景的能力。深度学习方法在准确性和鲁棒性方面表现优异，但缺乏可解释性或仅限于每个像素单峰。在本文中，我们提出一种用于双峰单光子激光雷达成像的深度展开算法。我们引入一个用于多个目标的层次贝叶斯模型，并提出一个展开该统计方法的神经网络。为支持多个目标，我们采用双深度图表示并利用几何深度学习从点云中提取特征。该方法在统计方法和学习方法方面在准确性和不确定性定量方面取得了优势。在合成数据和真实数据上的实验结果表明，与现有方法相比，本方法在竞争性能的同时也能提供不确定性信息。