通过足迹内目标解混的 FW-LiDAR 点云亚足迹效应校正
机器学习
2026-05-12 v1
摘要
激光足迹内的亚足迹目标混合显著增加了 LiDAR 强度的不确定性，尤其是在一个足迹内异质材料导致非线性畸变并损害基于强度的应用的复杂环境中。然而，LiDAR 系统单像素探测模式固有的前向混合模糊了亚足迹贡献，使得亚足迹效应在现有研究中难以得到有效解决。为了解决这个问题，我们引入了一种新颖的、基于物理的框架，该框架显式地解决了全波形 LiDAR (FW-LiDAR) 点云中的亚足迹强度校正问题。关键创新在于将原本隐式的足迹内混合过程显式化：我们首先开发了一个时空激光束分布模型，以物理方式表征多目标回波的足迹内前向混合。在此表述的基础上，我们结合包括波形参数和表面几何形状在内的辅助信息作为约束，提出一个适定的逆解混问题，并将每个足迹分解为多个子目标的分数贡献。然后，我们通过参数化方法和模型驱动方法的统一结合，反演观测混合物以恢复亚足迹校正后的强度。据我们所知，很少有先前的研究在单个激光足迹内显式建立亚足迹反演和校正，而我们的框架提供了一个有原则的、基于物理的解决方案。在受控和真实世界 LiDAR 数据集上的实验表明，所提出的方法显著增强了异质目标间的语义可分性和同质目标间的强度一致性。
引用
@article{arxiv.2605.09845,
title = {Sub-Footprint Effect Correction in FW-LiDAR Point Clouds via Intra-Footprint Target Unmixing},
author = {Zhen Xiao and Yanfeng Gu and Xian Li},
journal= {arXiv preprint arXiv:2605.09845},
year = {2026}
}
备注
11 pages,7 figures