ملخص تقني: أشباح في السحب النقطية: إزالة التوهج من ليدار (LiDAR) في المجال العابر

1. بيان المشكلة

إن الانتقال السريع لتقنية الليدار (LiDAR) من الأنظمة الميكانيكية الضخمة التي تعتمد على المسح إلى المصفوفات المدمجة ذات الحالة الصلبة (Solid-state) التي تشبه الكاميرات (تحديداً تلك التي تستخدم مصفوفات صمام ثنائي ضوئي ذو حالة انهيار أحادي الفوتون - SPAD)، يستحدث نمط فشل حرج: التوهج الناتج عن تعدد المسارات الداخلية (Internal-multipath glare).

في هذه المستشعرات التي أصبحت "مُصورة" (Camera-fied)، يخضع الضوء القادم من الأسطح الساطعة أو العاكسة للضوء (مثل لوحات الطرق، أو لوحات أرقام السيارات) لعمليات انعكاس وتشتت متعددة داخل المجموعة البصرية قبل وصوله إلى المستشعر. وخلافاً لأنظمة الليدار التقليدية التي كانت تتجنب ذلك عبر مسارات بصرية مخصصة وإطلاق نبضات متسلسل، تسمح مصفوفات البكسلات الكثيفة الحديثة لهذا الضوء المشتت بالانتشار عبر البكسلات المجاورة. وتخلق هذه الظاهرة "أشباحاً في السحب النقطية" — وهي أجسام وهمية تحجب الهندسة الحقيقية للمشهد وتفرض مخاطر حرجة على السلامة للأنظمة ذاتية القيادة.

تعتبر الحلول الحالية غير كافية لثلاثة أسباب رئيسية:

1. التوقيت: تعمل العديد من النهج على السحابة النقطية النهائية، بعد أن أصبحت العيوب متشابكة مع البيانات الهندسية، مما يجعل الفصل بينهما صعباً.
2. تشوه التراكم (Pileup Distortion): تؤدي العائدات عالية الكثة التي تسبب التوهج غالباً إلى تراكم فوتونات شديد (تشوه غير خطي حيث تحجب الفوتونات المبكرة الفوتونات المتأخرة)، وهو ما تفشل طرق إزالة التوهج الخطية القياسية في التعامل معه.
3. التعميم: تعتمد الأساليب القائمة على التعلم غالباً على بيانات اصطناعية وافتراضات هندسية محددة (مثل اللوحات الثمانية)، وتواجه صعوبة في التعميم على المشاهد المعقدة أو أنواع مختلفة من العواكس دون الحاجة لبيانات تدريب واسعة النطاق.

2. المنهجية

يقترح المؤلفون نهجاً خالياً من التدريب ومبنياً على الأسس الفيزيائية يعمل في المجال العابر (على اكتشافات الصدى المنخفضة المستوى) قبل تكوين السحابة النقطية. يتكون خط المعالجة من ثلاث مراحل رئيسية:

أ. نمذجة التوهج العابر (TGSF)

يعمل البحث على نمذجة التوهج الداخلي كعامل خطي مستقل عن المشهد يعمل على المدرجات الزمنية العابرة (Transient Histograms).

• دالة انتشار التوهج العابر (TGSF): تُعرف بـ $a(u, v, t, u', v', t')$، وهي تصف كيفية إعادة توزيع الفوتونات من بكسل واحد $(u', v')$ عند الزمن $t'$ عبر البكسلات الأخرى والزمن نتيجة التشتت الداخلي.
• التبسيط: من الناحية العملية، يكون التأخير الزمني الناتج عن التشتت الداخلي ضئيلاً مقارنة بدقة المستشعر. لذا، يتم تقريب TGSF كدالة انتشار توهج (GSF) مستقلة عن الزمن $a(u, u')$، مما يحول المشكلة إلى عملية التفاف مكاني (Spatial Convolution) في مجال الصدى.

ب. تصحيح التراكم (Pileup Correction)

قبل معالجة التوهج، يقوم النهج بتصحيح تراكم الفوتونات، الذي يشوه الكثافة وزمن الطيران (ToF) للعائدات الأكثر سطوعاً.

• التصحيح القائم على العزوم (Moments-Based Correction): بدلاً من محاولة "إزالة التشوه" بالكامل من المدرجات الخام (وهو أمر صعب حسابياً وعرضة للتشبع)، يستخرج النظام العزوم الثلاثة الأولى (العد الإجمالي، متوسط زمن الطيران، والتباين) للأصداء المكتشفة.
• جداول البحث (LUTs): باستخدام نموذج أمامي لفيزياء التراكم، يقوم المؤلفون بإنشاء جداول بحث (LUTs) تربط التباين المقاس وضوضاء الخلفية بالتدفق الحقيقي الساقط وإزاحة المتوسط. وهذا يسم يسمح للنظام باستعادة زمن الطيران الحقيقي وكثافة "الصدى المهاجم"، وهو أمر ضروري للتنبؤ الدقيق بالتوهج.

ج. التنبؤ بالتوهج وكبحه

بمجرد تصحيح التراكم للأصداء، تحدد الخوارزمية احتمالية أن يكون الكشف عائداً حقيقياً أو أثراً ناتجاً عن التوهج.

1. التنبؤ بالتوهج: باستخدام GSF الذي تمت معايرته مسبقاً، يتنبأ النظام بمساهمة التوهج المتوقعة ($\bar{g}_{uk}$) عند كل بكسل $u$ وصدى $k$ بناءً على الكثافة المصححة من التراكم لجميع البكسلات الأخرى.
   $$\bar{g}_{uk} = \sum_{u'} a(u, u') \left[ \sum_{k'} o(t_{u'k'} - t_{uk}) y_{u'k'} \right]$$
   حيث يأخذ $o(\delta t)$ في الاعتبار التداخل الزمني بين نوافذ الملاءمة.
2. مقياس الثقة: يتم حساب مقياس احتمالية ثنائي (Binomial Likelihood) لتقييم ما إذا كان عدد الفوتونات المقاس $Y$ يتجاوز بشكل كبير عدد الفوتونات المتوقع $N P_G$.
   $$C = \begin{cases} -\ln \mathbb{P}(Y; P_G, N) & \text{إذا كان } Y \geq N P_G \\ 0 & \text{إذا كان } Y < N P_G \end{cases}$$
   يتم تحديد الأصداء التي تكون فيها $C=0$ كأثار توهج، بينما يتم الاحتفاظ بالأصداء التي تكون فيها $C>0$ كعائدات مشهد صالحة. يختار النظام أعلى صدى ثقة لكل بكسل لتشكيل خريطة العمق النهائية.

3. المساهمات الرئيسية

يقدم البحث أربع مساهمات محددة:

1. تحديد نمط الفشل: يحدد بوضوح التوهج الناتج عن تعدد المسارات الداخلية كنمط فشل حرج ومتكرر لمستشعرات الليدار ذات الحالة الصلبة من الجيل القادم، وهو متميز عن الآثار المتفرقة للأنظمة القديمة.
2. الصياغة في المجال العابر: يقدم نموذجاً يعالج بشكل مشترك التوهج الناتج عن تعدد المسارات وتشويه تراكم الفوتونات غير الخطي، حيث يعمل في مجال الصدى العابر بدلاً من السحابة النقطية النهائية.
3. خوارزمية خالية من التدريب: يقترح خوارزمية تستفيد من GSF المعروف لتقدير احتمالية الكشوفات الناتجة عن التوهج دون الحاجة إلى مجموعات بيانات ضخمة مصنفة أو تدريب اصطناعي.
4. التكامل في خط المعالجة: يوضح طريقة عملية تتكامل بسلاسة مع خطوط معالجة إشارات الليدار (DSP) القياسية على مستشعرات تجارية غير معدلة، وتعمل قبل تكوين السحابة النقطية.

4. النتائج التجريبية

تم تقييم الطريقة باستخدام ليدار تجاري (SP-LiDAR) من طراز (ADS6311) في مشاهد متنوعة تحتوي على عواكس مختلفة (لوحات التوقف، لوحات الأرقام، أقماع المرور، والسترات العاكسة).

• الأداء الكمي: مقارنة بمنهج التعلم العميق المرجعي [5] ونهج إزالة التوهج الفوتوغرافي [26]، حققت الطريقة المقترحة انخفاضاً كبيراً في جذر متوسط مربع الخطأ (RMSE) ودقة $\delta_1$ أعلى (نسبة البكسلات ضمن 1% من الحقيقة الأرضية).
  • مثال: في مشهد يحتوي على لوحة توقف، حقق منهج التعلم العميق المرجعي RMSE قدره 0.48 متر، بينما حققت الطريقة المقترحة 0.11 متر.
• القوة تجاه التعقيد: على عكس المنهج المرجعي الذي عانى مع الأشكال الهندسية المعقدة (مثل أقماع المرور والسترات العاكسة)، أظهرت الطريقة المقترحة قدرة فعالة على التعميم عبر جميع الأشكال والتكوينات المختبرة.
• التعامل مع التراكم: أظهرت التجارب أن طرق إزالة التوهج الفوتوغرافية (التي تُطبق على شرائح زمنية فردية) فشلت عندما كان التراكم شديداً، لأن التراكم يزيح العائد المباشر إلى شرائح زمنية أبكر، مما يفصل بينه وبين إشارة التوهج في المجال الزمني. وقد نجحت طريقة مجال الصدى المقترحة في التعامل مع هذا الأمر من خلال تصحيح التراكم قبل تقدير التوهج.
• الحفاظ على الإشارات الحقيقية: نجحت الطريقة في كبح التوهج مع الحفاظ على الإشارات الحقيقية الأضعف (مثل تمثال عرض يمثل طفلاً) والتي كانت ستُحجب لولا ذلك بسبب آثار "الوهج" (Bloom) في خطوط المعالجة القياسية.

5. الأهمية والادعاءات

يجادل البحث بأن التوهج الداخلي ليس مجرد حالة استثنائية، بل هو تحدٍ جوهري لعملية "تصوير" الليدار (Camera-fication). تكمن أهمية هذا العمل في:

• تغيير النموذج: نقل تخفيف التوهج من مرحلة ما بعد المعالجة (السحابة النقطية) إلى مرحلة ما قبل المعالجة (المجال العابر/مجال الصدى)، حيث تكون فيزياء الأثر أكثر قابلية للضبط.
• تمكين بنيات الحالة الصلبة: من خلال توفير حل برمجِي لمشكلة ناتجة عن الأجهزة، يقلل هذا النهج من الحاجة إلى بنيات المسح الضخمة وغير المثالية المستخدمة تاريخياً لتجنب التوهج. وهذا قد يسرع من اعتماد أنظمة الليدار عالية الدقة ومنخفضة التكلفة ذات الحالة الصلبة بالكامل.
• النمطية: صُمم النهج ليكون مكوناً نمطياً في خط معالجة الفوتونات، متوافقاً مع تقنيات تصحيح التراكم وإزالة الضجيج والضغط الموجودة.

يقر المؤلفون بوجود بعض القيود، مشيرين إلى أن الطريقة تتطلب معايرة مسبقة لـ GSF لكل مستشعر، ولم تُختبر بعد في مشاهد خارجية ذات خلفية شمسية مكثفة. ومع ذلك، فإنهم يرون أن إزالة التوهخ الخوارزمية يمكن أن تصبح جزءاً قياسياً من خطوط معالجة الإدراك ثلاثي الأبعاد.