概率面元融合：LiDAR稠密建图的不确定性传递与工程落地

1. 为什么这篇论文值得花一个下午精读

第一次看到《Probabilistic Surfel Fusion for Dense LiDAR Mapping》这个标题，我的直觉是：这大概率是一篇把“概率建模”和“面元表达”缝在一起的稠密建图工作。翻完摘要和实验部分之后，这个判断基本被证实了——它要解决的核心问题很具体：多帧LiDAR点云配准之后，如何用一种既紧凑又带不确定性的表示，把稠密地图融合出来，并且让后续的定位、表面重建、甚至语义标注都能直接受益。

如果你做过SLAM或者三维重建，应该对下面这个场景不陌生：激光雷达扫一圈回来，几十万点，帧与帧之间靠ICP或者NDT对齐，然后你把所有点往全局坐标系里一扔，得到一张“看起来还行”的点云地图。问题是，这张地图是死的——它没有法向量、没有置信度、没有表面连续性，点与点之间是离散的，稍微换个视角看就全是空洞和噪声。更麻烦的是，当你需要做表面法向估计、做mesh重建、做碰撞检测的时候，还得从头再跑一遍后处理。

这篇论文的思路，本质上是在“点云”和“mesh”之间找了一个中间层：surfel（面元）。每个surfel是一个带位置、法向、半径、置信度的局部平面片，它比点云多了几何语义，又比mesh轻量、易增量更新。而“Probabilistic”这个词落在标题里，说明作者不是简单地把surfel平均一下，而是把每个surfel的融合过程建模成概率推断——这恰恰是它和早期surfel工作（比如KinectFusion时代的surfel）拉开差距的地方。

我读这篇论文的动机很实际：手头有一个多线激光雷达的建图项目，点云地图已经能跑，但下游的表面重建一直不稳，法向估计对噪声特别敏感。我想知道，如果把surfel作为中间表示，能不能在融合阶段就把不确定性传下去，而不是等到后处理再补。读完之后的结论是：能，但前提是你得接受它的概率模型假设，并且愿意在数据关联那一步多花心思。

这篇文章我打算按“问题动机—核心表示—概率融合—数据关联—实验验证—落地踩坑”的顺序来写，不是论文的翻译，而是我作为一个做工程的人，读完之后真正觉得有用的部分。适合谁看？做LiDAR SLAM、三维重建、自动驾驶感知后处理的朋友，以及任何对“如何让地图带不确定性”这件事感兴趣的人。纯小白也能看，我会尽量把概率部分用生活化的方式讲清楚。

2. 从点云到面元：稠密建图到底卡在哪一步

2.1 点云地图的三个先天缺陷

先说清楚为什么“把点堆起来”这件事不够用。我总结下来，点云地图有三个绕不开的毛病，而且它们互相纠缠。

第一个是法向缺失。点本身没有方向，你要估计法向，就得在邻域里做PCA，而邻域半径这个参数极其敏感：半径小了，噪声主导，法向乱飞；半径大了，细节被抹平，墙角变圆角。我实测过一个室内场景，同一个点云，邻域半径从0.1米调到0.3米，法向估计的误差能差出两倍。

第二个是密度不均。激光雷达的扫描线是固定的，近处点密、远处点稀，同一面墙在不同距离下的点间距可能差一个数量级。你如果按固定体素下采样，近处丢细节，远处留噪声；按固定邻域做融合，近处过平滑，远处欠融合。

第三个是不确定性不可传递。ICP配准出来的位姿是有协方差的，传感器测距也是有噪声模型的，但这些信息在“点云拼接”这一步基本被丢掉了。结果就是，地图上每个点看起来都“一样可信”，可实际上靠近雷达的点比远处的点可信得多，配准好的帧比配准差的帧可信得多。

这三个缺陷叠加起来，导致点云地图在“看”的时候还行，在“用”的时候处处别扭。表面重建要额外跑泊松重建，法向估计要额外调参，语义分割的输入还得再做一次体素化。稠密建图的真正瓶颈，不是点不够多，而是点这个表示本身太底层了。

2.2 Surfel作为中间表示的取舍逻辑

Surfel这个概念不新，早期RGB-D重建里用得很广。它的基本形态是：一个圆盘状的局部平面片，参数包括中心点位置、法向量、半径，有的实现还会带颜色和置信度。相比点，它多了“面”的语义；相比mesh，它不需要维护拓扑连接，天然适合增量式更新。

论文选surfel作为融合单元，我认为有三个理由，而且每个都对应上面说的一个缺陷。

• 法向是surfel的内生属性，不是后处理估计出来的。每个surfel在被创建的时候，法向就由它所在的那一小块局部几何决定，融合的时候法向也参与更新。这就绕开了“邻域半径调参”的坑。
• 半径给了密度一个显式表达。远处点稀，surfel半径就大；近处点密，半径就小。地图的“分辨率”不再是全局统一的，而是随观测自适应。
• 置信度可以挂在surfel上，让不确定性有地方存。这一点是后面概率融合的入口。

当然，surfel也有代价。它假设局部是平面，遇到树叶、电线、栅栏这种非平面结构，surfel表达会失真。论文在实验部分也承认了这一点，后面我会专门讲它怎么处理这类边界情况。

提示：如果你之前只接触过点云和mesh，可以把surfel理解成“带方向的、可变大小的、有可信度的贴片”。它不是要取代点云，而是在点云和mesh之间加了一层语义更丰富的缓存。

2.3 为什么“概率”两个字是这篇论文的分水岭

很多surfel融合的工作，融合方式其实很朴素：新来的观测和已有的surfel，如果位置和法向足够接近，就做一个加权平均，权重通常取观测次数或者固定系数。这种做法在理想数据上没问题，但它隐含了一个假设——所有观测同等可靠，且融合结果没有不确定性。

论文把“概率”放进标题，意味着它要打破这个假设。具体来说，它给每个surfel的融合过程建立了一个概率模型：观测有噪声，配准有位姿不确定性，融合不是简单平均，而是贝叶斯意义上的后验更新。这样做的好处是，融合出来的surfel不仅有一个几何参数，还有一个协方差或者置信度，这个置信度可以继续传给下游。

我读到这里的时候，第一反应是：这不就是把卡尔曼滤波的思想搬到surfel上吗？方向是对的，但细节比标准卡尔曼复杂，因为surfel的参数空间不是欧氏空间——法向活在球面上，位置和半径活在正半轴，直接套卡尔曼会出问题。论文后面处理这些细节的方式，是它比较有含量的部分。

3. 概率面元融合的数学骨架拆解

3.1 每个面元的参数化：位置、法向、半径怎么存

要把融合做成概率推断，第一步是定义状态变量。论文里一个surfel的状态大致是这么几项：中心位置p（三维向量）、法向n（单位向量，活在球面上）、半径r（正标量），有的版本还会带一个置信度标量或者协方差矩阵。

这里有个工程上很容易忽略的点：法向的参数化方式直接决定了融合的数值稳定性。如果你直接用三个分量存法向，然后做加权平均，平均出来的向量可能不再是单位向量，而且当两个法向接近反向时，线性平均会得到接近零的向量，方向完全乱掉。论文采用的是局部切平面参数化，也就是把法向的更新限制在当前法向的切空间里，用两个角度增量来表示。这样做的好处是，融合永远在切空间里做，不会跑出单位球面。

位置和半径相对简单，但半径的更新有个约束：它必须为正。论文对半径用的是对数域更新，或者用带正性约束的分布来建模。这个细节看起来小，但如果你自己实现过surfel融合，就会知道半径偶尔变成负数或者零，会导致整个surfel退化，后续所有关联都失效。

我自己的经验是，状态参数化的选择，比融合公式本身更影响最终地图的质量。论文在这部分写得比较克制，但如果你要复现，建议先把法向的切空间参数化吃透，否则后面协方差传播那一步会很难对上。

3.2 观测模型：一帧点云如何“投票”给一个面元

概率融合的第二步是定义观测模型，也就是：给定一个已有的surfel，新来的一帧点云里的哪些点，以什么样的概率“支持”这个surfel。

论文的做法是，对每个新点，先找它可能关联的surfel，然后计算这个点到surfel平面的距离、点到surfel中心的距离、以及法向的一致性。这三个量组合起来，形成一个似然。距离越小、法向越一致，似然越高。

这里的关键设计是：似然不是硬阈值，而是软权重。传统surfel融合经常用“距离小于某个阈值就融合，否则新建”这种硬规则，阈值一调，结果就变。论文用概率的方式，让每个点对每个候选surfel都有一个连续的贡献权重，这样即使点落在两个surfel的交界处，也不会被粗暴地二选一。

我实测下来的感受是，软权重在结构复杂区域（比如墙角、桌角、楼梯）优势明显。硬阈值在这些地方要么把两个面融成一个，要么在交界处留一堆碎片surfel。软权重虽然计算量大一点，但地图的干净程度提升很明显。

不过软权重也有代价：它需要一个合理的噪声模型。论文假设测距噪声近似高斯，法向噪声用切空间里的高斯建模。如果你的雷达噪声特性跟这个假设差很远（比如某些固态雷达在近距有很强的多路径噪声），似然会失真，融合结果反而变差。这一点论文没有展开，但工程上必须注意。

3.3 贝叶斯更新：融合不是平均，是后验修正

有了状态参数化和观测模型，融合就变成一个标准的贝叶斯更新：已有surfel的状态有一个先验分布，新观测带来一个似然，两者相乘再归一化，得到后验分布，后验的均值作为新的surfel参数，后验的协方差作为新的不确定性。

听起来很标准，但surfel融合有两个特殊之处。

第一，观测是逐点来的，不是逐帧来的。一帧点云里可能有几千个点关联到同一个surfel，你是逐点更新几千次，还是把这一帧的观测聚合成一个等效观测再更新一次？论文采用的是后者，先把同一帧里关联到同一surfel的点聚合成一个局部观测，再做一次更新。这样做数值上更稳，计算量也小得多。我一开始没注意这个细节，逐点更新跑了一遍，结果协方差被过度收缩，地图变得“过度自信”，后面新观测很难再修正它。

第二，新surfel的创建也有概率判据。不是所有没关联上的点都该新建surfel，有些是噪声，有些是动态物体。论文用一个基于似然的判据：如果一个点对所有已有surfel的似然都低于某个水平，并且它周围有足够多的同类点，才新建surfel。这个“足够多”的判据，实际上是在做一次隐式的去噪。

注意：贝叶斯更新的顺序会影响结果。论文用的是增量式更新，先来的观测先更新，后来的观测再修正。如果你把顺序打乱，理论上最终后验应该一样，但数值上会有差异。工程实现时，建议保持和论文一致的更新顺序，方便对结果。

4. 数据关联：概率融合里最容易被低估的一环

4.1 关联错了，后面全错

我读这篇论文之前，一直以为概率融合的难点在数学推导。读完才发现，真正决定成败的是数据关联——也就是“新来的点到底该跟哪个已有surfel发生关系”。

这件事在点云配准里叫“对应关系估计”，在surfel融合里同样核心。如果关联错了，比如把一个墙角的点关联到了旁边的地面surfel，那么贝叶斯更新会用一个错误的观测去修正一个正确的先验，结果就是两个surfel都被带偏。而且这种错误会累积，因为被带偏的surfel协方差会变大，后续更容易被错误关联，形成恶性循环。

论文在关联这一步用了两级策略：先做粗关联，基于位置和法向的相似度快速筛候选；再做精关联，在候选里用概率似然挑最优。粗关联的目的是控制计算量，精关联的目的是保证准确性。

我自己的项目里，一开始图省事，只用最近邻做关联，结果在走廊这种长直结构里，前后两个surfel经常被混在一起。后来加了法向一致性检查，情况好转，但在拐角处还是有问题。论文的两级策略，本质上是在“快”和“准”之间做了一个分层，这个思路我觉得可以直接抄。

4.2 法向一致性检查的阈值怎么定

法向一致性是关联里最有效的过滤器，但阈值定多少，论文没有给一个万能数字，因为它跟雷达的角分辨率、场景的粗糙度都有关系。

我的经验是，阈值应该跟surfel的半径挂钩。半径大的surfel，本身代表的是一个比较平的、大尺度的面，法向应该比较稳，阈值可以收紧一点，比如15度；半径小的surfel，可能是在细节区域，法向本身就不太稳，阈值可以放宽到30度甚至40度。论文虽然没有明说这个关系，但它的似然函数里，法向项的权重是跟半径相关的，效果上等价于自适应阈值。

还有一个坑：法向的符号歧义。两个法向夹角180度，在几何上可能是同一个面，但如果你直接算点积，会得到-1，被误判为不一致。论文在关联时对法向做了符号对齐，确保比较的是“方向”而不是“朝向”。这个细节看起来小，但不处理的话，墙面会被融成两层。

4.3 动态物体和离群点的处理边界

LiDAR建图绕不开动态物体。论文的处理方式是：在关联阶段，如果一个点找不到合理的surfel，并且它周围的点也不支持新建surfel，就把它当离群点丢掉。这个策略对稀疏的动态物体（比如远处走动的人）有效，但对大面积动态（比如一辆公交车占了大半个视野）就力不从心。

我实测过一个场景，路边停了一排车，其中一辆在缓慢移动。论文的方法会把移动车辆上的点当成离群点丢掉，但车辆移走后，原来被遮挡的背景露出来，那部分地图是空的，需要后续帧慢慢补。这在离线建图里可以接受，在实时建图里就会有一个明显的“空洞期”。

论文没有专门讨论动态场景，这是它的一个边界。如果你要做动态环境，可能需要在关联之前加一个动态点检测模块，把动态点先滤掉，再走后面的概率融合。

5. 实验部分真正值得看的几个对比

5.1 和传统点云融合的定量差距

论文的实验部分，我重点看了两组对比：一组是和“点云直接拼接+体素下采样”比，一组是和“surfel硬阈值融合”比。

和点云拼接比，论文的方法在表面重建的精度上有明显优势，尤其是在法向估计的稳定性上。点云拼接后做PCA法向估计，在噪声区域的法向误差能到20度以上，而surfel融合出来的法向误差基本控制在10度以内。这个差距在后续做mesh重建的时候会被放大，因为mesh对法向的连续性很敏感。

和硬阈值surfel融合比，论文的方法在surfel数量上更少，但覆盖的完整度更高。硬阈值方法在结构复杂区域会产生大量碎片surfel，因为阈值稍微不合适，点就被分到不同的surfel里。概率方法用软权重，碎片明显减少。我印象比较深的是，论文给了一个楼梯场景的对比图，硬阈值方法的surfel在台阶边缘碎成一片，概率方法的surfel能沿着台阶面完整铺开。

5.2 不确定性估计到底准不准

这是我最关心的一点，因为如果不确定性估计不准，那“概率”两个字就只是装饰。

论文用了一个间接的验证方式：把融合后的surfel协方差，和实际观测到的残差做对比。如果协方差估计合理，那么残差应该落在协方差椭球里的比例，和理论置信度对得上。论文报告的结果是，在大多数场景下，实际残差落在95%置信椭球里的比例在90%到96%之间，说明不确定性估计基本可信。

但有一个场景例外：高反射率表面，比如金属栏杆、玻璃幕墙。这些表面的测距噪声不服从高斯，论文的高斯假设失效，协方差被低估，实际残差落在椭球外的比例偏高。论文承认了这一点，但没有给出解决方案。工程上如果遇到这类表面，可能需要单独建模，或者干脆把这些点标记为低置信度。

5.3 计算开销：能不能跑在实时系统里

论文给的计算时间，单帧融合在CPU上大概是几十毫秒量级，具体数字取决于场景复杂度和surfel数量。这个开销对于离线建图完全够用，对于实时建图，如果雷达帧率是10Hz，留给融合的时间预算是100毫秒，论文的方法在中等场景下能跑进去，在大场景下会吃紧。

我自己的实测是，关联阶段是计算大头，尤其是候选surfel多的时候。论文用了一个空间哈希来加速粗关联，这个优化很关键。如果你自己实现，建议先把空间索引做好，否则surfel一多，关联会变成O(N*M)的暴力搜索，直接卡死。

另外，论文的融合是增量式的，不需要全局重优化，这一点对实时性很友好。但代价是，如果早期帧的位姿有较大误差，后面的融合很难完全纠正，因为协方差虽然会变大，但surfel的位置已经被带偏了。论文建议配合一个回环检测或者全局优化模块，但那是另一个话题了。

6. 如果要把这篇论文落地，我会注意这几件事

6.1 复现时的最小可行配置

如果你只是想验证这篇论文的核心思想，不需要一上来就搭完整的LiDAR建图系统。我的建议是：先用一个公开的LiDAR数据集（比如KITTI或者某个室内数据集），取连续几帧，用现成的配准工具（比如PCL里的ICP或者NDT）得到位姿，然后把点云转到全局坐标系，再实现论文的surfel融合部分。

最小配置需要这几个模块：

• 位姿输入：可以是配准结果，也可以是真值，先验证融合本身。
• surfel数据结构：位置、法向、半径、协方差，外加一个空间索引。
• 关联模块：粗关联用空间哈希，精关联用法向和距离的似然。
• 融合模块：贝叶斯更新，注意法向的切空间参数化。
• 可视化：把surfel画成带方向的圆盘，方便肉眼检查。

这个配置跑通之后，再逐步替换成自己的雷达数据和实时配准，风险可控。

6.2 参数调优的优先级排序

论文里参数不少，但根据我的经验，优先级是这样的：

我踩过的一个坑是：协方差初始值设得太小，导致新surfel一创建就“过度自信”，后面即使有更好的观测，也很难把它拉回来。后来把初始协方差调大，地图的鲁棒性明显提升，代价是收敛慢一点。

6.3 和下游模块的接口设计

Surfel融合不是终点，它的输出要喂给下游。论文没有详细讲接口，但我觉得这是落地时最需要想清楚的事。

如果你下游是表面重建，那surfel可以直接当mesh的输入，每个surfel是一个带法向的采样点，半径决定采样密度。如果你下游是定位，那surfel的协方差可以参与位姿优化的加权，高置信度的surfel给高权重。如果你下游是语义分割，那surfel可以作为一个聚类单元，把点云分割变成surfel分割，计算量小很多。

我的建议是，在surfel数据结构里预留一个通用的“属性”字段，可以挂颜色、语义标签、时间戳。这样下游模块不需要改融合代码，只需要读自己关心的字段。这个设计看起来简单，但能省掉很多后期重构的麻烦。

6.4 这篇论文没解决、但你可能遇到的问题

最后说几个论文的边界，免得你踩进去才发现。

第一，非平面结构。Surfel假设局部平面，遇到树叶、电线、栅栏，表达会失真。论文的实验场景以建筑和道路为主，这类场景平面结构多，surfel合适。如果你的场景以植被为主，可能需要考虑别的表示，或者在surfel之外加一个“非平面”类别。

第二，大尺度场景的漂移。论文的融合是增量的，没有全局优化。在长距离场景里，位姿漂移会导致surfel逐渐错位，协方差虽然会变大，但不会自动纠正。实际系统里需要回环检测或者全局BA来兜底。

第三，动态物体的长期影响。前面说过，论文对动态物体的处理是“当离群点丢掉”，但丢掉的点不会留下“这里曾经有东西”的记忆。如果动态物体反复出现，地图上会反复出现空洞和补洞的过程。要彻底解决，需要在融合层之上加一个动态层。

读完这篇论文，我最大的收获不是某个具体公式，而是它把“不确定性”这件事从后处理提到了融合阶段。以前我做建图，总是先拼点云，再想办法估不确定性；现在我会想，能不能在融合的每一步就把不确定性传下去。这个思路的转变，比复现论文本身更有价值。如果你也在做稠密建图，建议至少把关联和融合这两部分的概率建模读透，哪怕不完整复现，也能给你的系统带来启发。