简介：咱们须要通过激光的外部机制和数据处理算法，将这些噪声复原到它原本的地位。本文会从 MTA 问题产生的原理、激光应答 MTA 的外部机制、数据处理算法三方面来介绍高精材料解决是如何解决这个问题的。

1. 背景

1.1 高精材料采集

高精采集车是集成了测绘激光、高性能惯导、高分辨率相机等传感器为一体的挪动测绘零碎。高德高精团队通过多年深耕打造的采集车，具备精度高、速度快、数据产生周期短、自动化水平高、安全性高、信息量大等特点。

为了保障高精地图制作的精度，在高精采集车中，咱们应用了目前业界最先进的激光测距仪，具备测量距离远、点云密度大等长处，扫描频率能够达到每秒 100 万点。

1.2 激光 MTA 问题

高速的扫描频率带来高质量数据的同时，也引入了一些特有的噪声和烦扰，MTA 就是其中的一种。什么是 MTA（Multi-Time-Around） 呢？咱们能够看一下图 1，通过高低两图的比照能够看到，MTA 问题理论就是激光的测距问题，激光将远处的点谬误的拉到了近处，导致远处的楼房成为了近处路面上的噪声。

MTA 问题会给后续材料解决、自动识别、地图制作等工艺流程带来很大的艰难，导致辨认以及人工流程呈现谬误。

咱们须要通过激光的外部机制和数据处理算法，将这些噪声复原到它原本的地位。本文会从 MTA 问题产生的原理、 激光应答 MTA 的外部机制 、 数据处理算法 三方面来介绍高精材料解决是如何解决这个问题的。

图 1 MTA 问题数据

2.MTA 原理

那么，MTA 到底是怎么产生的呢？这要从激光的测量原理说起。

2.1 激光测距原理

典型的激光扫描仪是采纳 TOF（time of flight） 原理进行测量的，即激光传感器在测量时每隔固定工夫发射一个脉冲，而后测量返回的脉冲能量，依据发射和接管的时间差计算点的间隔：

通过周期性地“发射激光 - 接管回波”，即可依据光航行参数失去一系列测量点间隔，联合激光本身的地位和姿势即可计算出反射点的地位。

2.2 MTA 多区间

激光受本身功率的限度，通常可能探测到的最远物体间隔无限，为 Dmax。而激光脉冲的发射距离为 dt，在下一个脉冲发射前，以后激光脉冲可能探测到的最远距离为：

高精采集车应用的激光频率为 100 万点 / 秒，对应的 Dpluse 为 150m。

通常状况下，激光的发送和接管是按程序进行的，即发送 - 接管 - 发送 - 接管，地面始终只有一个激光脉冲，接管和发送是一一匹配的。

然而，当 Dmax 大于 Dpluse 时，如果测量物体比拟远，就可能在地面呈现多个脉冲，多个脉冲达到接收器的程序不再和脉冲发射的程序统一，接收器无奈正确计算脉冲的 TOF，从而不能正确的得出物体的测距。这就是 MTA（Multi-Time-Around），如下图 2 所示。

通常将反射信号可能跨过的收发周期数称为“MTA 区间”，匹配工夫上最近的一个发射信号为 MTA1，次近的发射信号为 MTA2…依此类推。

Dpluse 就是每个 MTA 的区间长度。如果物体离激光的间隔超过这个长度，就会产生 MTA 问题，高精采集车激光的 MTA 区间长度是 150m，因而对于超过 150m 的远处高楼就产生了 MTA 景象。

图 2 MTA 区间

3. 激光应答 MTA 的外部机制

为了应答 MTA 问题，激光厂家也做了一些致力，通过利用测量物体的外表连续性的假如和变周期测量技术，找到了一些解决思路。

3.1 邻域连续性假如

在事实世界中大多数物体，例如路线、标牌、建筑物等人造物，这些实物都具备外表连续性，个别不会呈现激烈的几何变动和纹理。因而，间断的激光脉冲测距应该变动不大，如图 3 所示。

如果可能找到一种方法，使得当激光测距放错 MTA 区间时，相邻激光点不再具备连续性的特色，就能够将点云放到正确的 MTA 区间。变周期测量技术就是基于这一思路而产生的。

图 3 相邻激光点测距连续性

3.2 变周期测量技术

为了辨认 MTA 问题，激光厂商设计了一系列专利技术，其外围是“激光发射距离可变”，即相邻激光脉冲发射的工夫距离是不同的，如图 4。而且这个发射距离的变动具备周期性，其周期特点如图 5 所示。当将点云放错 MTA 区间时，其测距不再是间断的，而是如图 5 中列表第 3 列所示，来回跳跃。如图 6，谬误的 MTA 区间，相邻点来回跳跃，造成图中的分层。

图 4 变周期发射技术

图 5 变周期参数

图 6 谬误 MTA 区间

4.MTA 修改算法

依据 MTA 问题的原理以及邻域连续性假如，联合硬件上的变周期测量技术，确定 MTA 问题解决计划。首先进行邻域划分，找到相邻激光点，而后对相邻点计算放到不同 MTA 区间的统计权值，权值大的为实在 MTA 区间。同时为了进步算法性能，利用激光自身装置地位参数防止不必要的权值计算。

4.1 邻域设置与检测

首先确定邻域，因为 Lidar 是一圈圈扫描的，既要思考工夫上间断的点相邻，也要思考间断圈的相邻。其基本思路如下：

• 数据分圈：以一个圆周（线）为根本处理单元；
• 连续性计算区域：对于某个点，取其以后圈的邻近点以及前后相邻两圈的邻近点作为连续性计算区域，如图 7；
• 对每个点计算其测距连续性权值以及反射率连续性权值，即与方差成反比例而后得出 MTA 区域。

图 7 邻域查找

4.2 加权统计策略

总的加权策略是间隔方差越大，权重越小；反射率方差越大，权重越小。具体权值抉择采纳高斯函数或三角函数。

通过理论大批量数据统计分析，间隔方差的权重采纳高斯函数，其中 u =0,δ=0.25, 反射率方差的权重也采纳高斯函数，其中 u =0,δ=4

图 8 加权函数选取

具体计算过程如下：

• 对每个点，别离获取其作为 MTA1 与 MTA2 的测量数据，次要为测距值、反射率；
• 对每个点，别离获取其 MTA1 与 MTA2 街坊点汇合；
• 计算每个点的每个街坊的测距权值和反射率权值，而后求和，最终依据权值大小确定 MTA 区域。

4.3 解决成果

算法的解决成果如下图 9，图 10.

图 9 MTA 解决成果：未解决 MTA

图 10 MTA 解决成果：MTA 复原后果

4.4 性能优化

应用根本的解决计划能够较好地复原 MTA 谬误问题，然而因为搜寻区间较大，而且必须逐点解决，效率很低，不能满足效率的要求，须要进行优化。思考的优化方向包含缩小搜寻区间和算法优化两方面。

4.4.1 减小搜寻区间

咱们应用的激光设施探测范畴参数如下，不超过 300m，也就是 2 个 MTA 区间，因而能够只思考 MTA1 和 MTA2 区间两种可能，这就大大降低了计算量。

设施探测范畴参数：

• 探测间隔最大 235m（80% 高反射率）；
• 低反射率物体不到 100m；
• 针叶林 100m；
• 柏油沥青 120m；
• 阔叶林 150m；
• 修建砖头 200m 左右；
• 红色灰泥 250m。

4.4.2 算法优化

依据扫描个性进一步进行算法优化。

• 思考到产生 MTA 谬误都产生在高空以上，即激光理论能扫描到的很远的物体都在高空以上，可先依据车高信息剔除高空左近点；
• 对于屡次回波，点的连续性只取第一次回波来计算；
• 分圈后按扫描角和测距值判断空间相邻；
• 分圈解决，多线程并行减速；
• 对于不同区域的连续性都很差的点作为孤立点进行剔除。

5. 总结与瞻望

MTA 解决算法作为点云解算模块的一部分，是采集材料解决上云的重要环节，不解决 MTA 问题，就无奈实现采集材料解决的自动化。同时 MTA 解决算法去除了材料解决环节对激光厂商软件的依赖，为公司节俭了大量老本。

在算法设计阶段尝试利用 SVM，RF 等机器学习伎俩按点云分类思路解题，初步测试发现样本制作艰难、正负样本量级差别过大等问题。另一方面，机器学习办法批次解决须要思考适合的空间范畴，对于每个分块动辄亿级的点数，其解决效率将无奈满足产线需要。

在算法成果评估阶段，本来打算应用厂商解决的后果作为真值。但评测下来发现，厂商处理结果的成果不如自研算法，不能作为评测真值。最终咱们联合产线工艺需要，专门制作了评估计划，算法指标对焦到业务需要，从而主观、牢靠、疾速地实现了算法的评测工作。

目前 MTA 解决算法曾经进入了线上生产，解决了上万公里点云数据，目前运行稳固，达到预期。

作者：高德技术小哥
原文链接
本文为阿里云原创内容，未经容许不得转载