文章摘要:激光雷达系统采用主动照明的方式，激光发射脉冲周期信号至目标场景，激光脉冲经目标表面漫反射，由SPAD探测器记录回波光子的到达时间，获得场景的深度信息。然而在探测过程中，测量结果往往会遭到环境光的干扰。传感器融合是进行单光子成像的有效方法之一。最近提出的基于LiDAR和强度相机融合的数据驱动方法大多采用扫描式激光雷达，深度获取速度慢。SPAD阵列的出现打破了帧率的限制。SPAD阵列允许同时收集多个回波光子，加速了信息采集，但分辨率较低，在探测过程中还会受到环境光的干扰，因此需要通过算法打破SPAD阵列的固有限制，从噪声中分离深度信息。针对分辨率为32×32的SPAD阵列探测器，提出了一种卷积神经网络结构，目的为在强度图的引导下，将低分辨率TCSPC直方图映射至高分辨率深度图。该网络采用多尺度方法提取输入特征，并基于注意力模型融合深度数据和强度数据。另外，设计了一个损失函数组合，适用于处理TCSPC直方图数据的网络。在采集数据上进行了验证，提出方法能成功将深度数据的空间分辨率提升4倍，并在质量和数据指标上都优于其他算法。

文章关键词:

论文分类号:TN958.98;TP212