3D 全息场景重建在自主导航、环境检测以及计算机视觉等众多重要领域发挥着不可替代的作用。过去，实现 3D 全息场景重建的技术涵盖 RGB-D 传感器获取发射率成像、立体成像或全波形激光雷达 3D 全息成像等。为此，微云全息（NASDAQ：HOLO）提出了单光子激光雷达技术方案。其采用的激光光源功耗低而灵敏度极高，在高散射的水下环境以及极端大雾环境中，可以实现高分辨率三维全息图像的重建。

近些年，虽然随着 3D 全息激光雷达点云成像技术不断突破，但现有计算成像算法仍存在诸多瓶颈，如运算速度慢、成像不够精细，或是依赖超高算力。即便是基于卷积神经网络（CNN）估计场景深度的最新算法，经训练后也难以满足实时性要求。针对这些问题，微云全息研发出全新算法结构。该算法运用先进的点云去噪工具，将目标表面精准建模为嵌入 3D 空间的二维流形。不仅能够整合观测模型中的各类信息，像泊松噪声、坏点像素、压缩传感等，还结合计算机图形的流形建模工具，通过选用大规模并行降噪器，实现每秒处理数十帧数据，极大提升了处理效率。其基于单光子激光雷达的算法，主要包含深度更新、强度更新和背景更新三个核心步骤。

在深度更新环节，微云全息运用点集曲面算法对深度变量与点云进行去噪处理，在三维全息空间坐标系中运作。通过内核控制，对光滑连续曲面进行适配。与传统深度图像降噪不同，微云全息点云降噪不受激光雷达系统像素格式限制，可处理每个像素中任意数量的表面，并且对所有 3D 点进行并行处理，运算时间大幅缩短。

在强度更新时，微云全息针对 3D 全息空间中单个像素坐标采取渐变步骤来降噪，仅考虑同一表面内点之间的相关性，对每个点使用最近邻低通滤波器。该步骤仅关注局部相关性，所有点并行处理。去噪完成后，去除强度低于给定阈值（即最小允许反射率）的点。

背景更新则依据激光雷达系统特性而定。在双基光栅扫描系统中，由于激光源和单光子探测器不同轴，背景计数在空间上不一定相关，此时降噪操作相对简单；而在单站光栅扫描系统和激光雷达阵列中，背景检测类似于被动图像，采用空间规律化手段结合低计算复杂度的现成图像去噪算法，能够有效改进估计值。

微云全息（NASDAQ：HOLO）构建的全新计算框架，基于单光子数据实现实时三维全息场景重建。通过融合统计模型与计算机图形领域高度可扩展的计算工具，能在极短时间内完成复杂户外场景的 3D 重建。该方法可处理每个像素中未知数量的表面，实现复杂场景中的目标检测与成像，为复杂移动场景下稳定的实时目标重建提供了有力支撑，为 3D 全息成像应用的视频速率单光子激光雷达技术发展奠定了坚实基础，有望引领全息感知技术迈向新的应用高度。