Mid-360点云非重复扫描带来的算法适配难点与解决方案

Livox Mid-360（简称Mid-360）采用非重复扫描机制，点云随时间在视场内逐步累积、中心密边缘疏，这种点云特性给Mid-360带来了覆盖率随积分时间提升的优势，但也给依赖点云的算法带来了适配难点。很多算法是在规整的线状点云（比如机械雷达）上设计和验证的，直接拿Mid-360的非重复扫描点云去跑，会出现各种不适应：点云形态不符合算法假设、密度不均匀影响算法效果、动态场景下点云随时间变化。这篇文章就从Mid-360非重复扫描的特性出发，拆解它给算法适配带来的难点，以及对应的解决方案。

先看清非重复扫描点云的特性

要理解算法适配难点，先要把Mid-360非重复扫描点云的特性看清楚，这些特性是难点产生的根源。

Mid-360非重复扫描的第一个特性，是点云随时间累积、不按规整线分布。前面文章讲过，Mid-360的棱镜让激光在视场内走特定的扫描路径，点云不是机械雷达那样的一圈圈规整线状分布，而是在一段时间内逐步累积、不断补全视场内的覆盖。点云形态不规整、随时间变化。

第二个特性，是点云密度不均匀。非重复扫描让点云在视场中心更密、边缘相对疏，不同区域点密度差异明显，同一帧里点云的密度分布不均匀。

第三个特性，是点云与时间、运动强相关。点云是随时间累积的，设备一运动，累积的点就带着运动信息，需要运动补偿；积分时间不同，点云密度不同；动态场景里，移动物体在不同时刻被扫到，点云里有时间混叠。

这三个特性，构成了非重复扫描点云和规整线状点云的根本区别，也是算法适配难点的来源。

算法适配的主要难点

基于非重复扫描点云的特，算法适配的难点主要集中在几个方面。

第一个难点，是算法对点云形态的假设不成立。不少算法假设点云是规整的、有固定结构的（比如基于线的匹配、按线组织的处理），Mid-360点云不按线分布，这些算法无法直接套用，需要改造算法对点云形态的假设。

第二个难点，是密度不均匀影响算法效果。点云密度中心密、边缘疏，对点密度敏感的算法（比如点云配准、特征提取、目标检测）在不同区域的稳定性不同，中心区域效果好、边缘区域可能退化，算法效果不一致，需要处理密度不均的影响。

第三个难点，是动态场景下的时间混叠。非重复扫描点云是随时间累积的，动态物体在不同时刻被扫到，点云里移动物体的位置有混叠、不准确，影响检测和建图，需要处理动态场景下的点云时间问题。

第四个难点，是点云随时间变化的性质。点云随着积分时间变密、覆盖变全，算法处理的是"变化中的点云"，不同时刻同一视场的点云不同，对算法的稳定性和实时处理提出了要求。

这些难点，本质上是非重复扫描点云和传统点云形态差异带来的，适配时要针对性地处理。

解决方案：从预处理到算法适配

应对非重复扫描带来的算法适配难点，方案要从预处理和算法适配两个层面来做。

预处理层面的方案，是把非重复扫描点云整理成更适合算法处理的形态。前面文章讲过，通过去畸变做运动补偿、把随时间累积的点校正到统一坐标系；通过滤波去除噪声；通过降采样（体素滤波）整理点云密度，把中心密边缘疏的点云在空间上重新采样，让点云密度更均匀。预处理把原始点云整理成相对规整、均匀的形态，能缓解算法对点云形态、密度的不适应。

算法适配层面的方案，是针对非重复扫描特性调整算法本身。点云配准、特征提取等算法，要考虑密度不均匀的影响，用对密度鲁棒的处理方式；特征提取和匹配，利用Mid-360随时间积分、覆盖变全的特性，让特征在积分充分的区域更可靠。动态场景处理，通过识别动态点、或者利用IMU和时间信息区分动态与静态点，减少时间混叠的影响。算法层面针对非重复扫描的特性做适配，才能充分利用Mid-360点云的优点、规避它的缺点。

实际落地时，预处理和算法适配要结合：预处理解决点云形态和密度问题，算法适配解决算法层面的假设和动态问题，两者配合，让算法在Mid-360非重复扫描点云上稳定工作。

落地时的实用建议

在工程落地时，应对非重复扫描的算法适配，有一些实用的建议。

一是先建立对点云特性的直观认识。用Livox Viewer2（前面文章讲过）实时查看、回放Mid-360点云，理解非重复扫描点云在不同积分时间、不同运动状态下的形态，才能针对性地设计适配方案。

二是选择合适的积分时间和处理策略。积分时间长、点云覆盖全、密度高，但运动畸变和实时性影响大；积分时间短、点云稀疏，实时性好。要按应用需求（看清细节还是保证实时）选择合适的积分时间，结合预处理整理点云。

三是优先选用适配非重复扫描的算法。现有算法栈如果深度依赖规整线状点云，适配成本高，要评估是改造现有算法、还是选用对非重复扫描点云更友好的算法框架，算清适配投入。

四是做好动态场景的处理。非重复扫描在动态场景的时间混叠，是适配的难点，要结合IMU、多帧信息识别动态点，减少动态物体对建图和检测的影响。

整体来看，Mid-360非重复扫描点云给算法适配带来的难点，源于它点云不按线分布、密度不均匀、随时间累积、与运动强相关这几个特性。难点体现在算法对点云形态的假设不成立、密度不均影响算法效果、动态场景时间混叠、以及点云随时间变化几个方面。解决方案从预处理和算法适配两个层面入手：预处理通过去畸变、滤波、降采样整理点云形态和密度，算法适配针对非重复扫描特性调整配准、特征、动态处理等算法。落地时建立对点云特性的直观认识、选择合适的积分时间和处理策略、优先选用适配算法、做好动态场景处理，就能让依赖点云的算法在Mid-360的非重复扫描点云上稳定工作，充分利用它覆盖率高、可积分变密的优势。