基于SPAD的单光子3D与反射率成像：Matlab仿真与光子高效计算

第一次把单光子探测器的直方图数据导出到Matlab里，直接画出深度图的时候，我有点不太敢相信：每像素平均只有几个光子，居然能重建出清晰的3-D轮廓和反射率图。后来想明白了，单光子探测器（SPAD）这套系统里，真正值钱的技术已经不是“探测器有多灵敏”，而是后面的光子高效计算——用极少的光子事件把三维信息和材质信息都抠出来。

这篇内容不是从探测器手册抄的，而是沿着我仿真和实验的完整思路展开：先讲清楚为什么SPAD可以做低光子成像，再给一套用Matlab从零搭建的单光子3-D与反射成像仿真代码，然后聊算法里真正影响效果的部分，最后是我实测中踩过的几个坑。适合正在接触单光子雷达、时间相关单光子计数（TCSPC）或者想做低通量成像仿真验证的工程师和学生。

1. 为什么单光子探测器偏要用“少光子”做成像

1.1 从像素积分到飞行时间：SPAD和普通相机的本质区别

普通相机成像的逻辑是“积分”：每个像素在曝光时间内累积光子数量，最后输出一个与光子数成正比的灰度值。要得到一张信噪比可用的图，往往需要成千上万甚至上百万个光子。这就带来一个天然的矛盾——目标越暗、距离越远，回波光子越少，你越是需要更长曝光时间，然后运动模糊、背景噪声、动态范围问题一起涌上来。

SPAD的工作方式完全不同。它工作在盖革模式，一个光子触发雪崩后，会产生一个数字脉冲，所以它天然输出的是“事件”而不是“灰度”。这意味着我们能记录的不只是“有没有光子回来”，还能精确记录“这个光子是什么时候回来的”。这个时间信息，就是单光子3-D成像的核心。

把两种成像方式放在一起看更清楚：

所以说，单光子成像并不是用更少的像素去看东西，而是把信息从“强度幅度”搬到“时间分布”上。你看到的不是一张图，而是一堆时间戳，计算的目标就是从这些时间戳里把物理量还原出来。

1.2 光子高效计算的真实含义：信息藏在时间维度里

“光子高效”这个词我第一次听的时候也觉得是个营销术语，但用信息论的视角看确实站得住。

一个回波光子携带的信息可以拆成两路：

• 到达时间：由目标距离和系统时延决定，对应的是深度信息；
• 是否被探测到：由目标反射率、距离、系统效率共同决定，对应的是反射率信息。

所以一次单光子探测事件，同时给深度估计和反射率估计做出了贡献。问题就变成了：给定N个光子事件，如何用统计模型把时延参数和强度参数都估出来？这本质上是一个参数估计问题，而不是“图像是不是够亮”的问题。这也解释了为什么光子很少时依然有可能成像——只要每像素平均有几个光子，统计上就足以支撑几个参数的估计。

我实测中见过很多第一次接触SPAD的人，下意识会把所有精力都放在“如何增加回波光子数”上，比如提高激光功率、加大曝光时间。但真正有效的玩法往往是反过来：把单脉冲能量降下去，用算法把每个光子的时间信息用足，然后靠重复积累和空间正则化把质量提上来。这也是“光子高效计算”和传统“堆光子”思路最大的区别。

1.3 深度和反射率对应什么样的估计量

如果只从直方图角度看，SPAD输出的是一个时间直方图：横轴是时间bin，纵轴是该时间范围内触发的光子数。

深度信息体现在“直方图峰值出现在哪个时间bin”，反射率信息体现在“目标对应的bin附近总共积累了多少光子”。

于是整个成像任务就拆成两步：

1. 估计时间峰值位置，再乘以光速除以2，得到深度；
2. 估计目标信号的光子数，经过距离和系统效率补偿，得到反射率。

在传统的强脉冲激光雷达里，这两个估计都很容易，因为直方图峰值非常明显。但在光子预算低到每像素只有几个光子时，直方图会非常稀疏，很多bin是0，直接找峰值很容易被噪声带偏。这个时候就要引入正则化、先验信息和邻域约束，把空间相关性用起来。

2. 从光子事件到TCSPC直方图的测量模型

2.1 直接飞行时间测量的基本原理

单光子3-D成像大多采用直接飞行时间法，公式很简单：

code复制d = c * t / 2

激光器发出一个短脉冲，光打到目标后返回，SPAD记录光子的到达时刻t，距离d就是光在往返路径上花费时间所对应的长度。除以2是因为光走了一个来回。

实际系统里不是测单个光子的绝对时间，而是把时间轴切成很多等宽的小bin，记录光子落在哪个bin里。bin宽度直接决定了距离分辨率：

code复制Δd = c * Δt / 2

如果时间bin宽度是100 ps，距离分辨率就是约1.5 cm；bin宽度压缩到10 ps，距离分辨率可以到1.5 mm。这个分辨率是量化极限，实际还要叠加探测器时间抖动、激光脉宽等系统响应，所以最终有效分辨率会差一些。

2.2 从单个光子到TCSPC直方图

SPAD不可能单次脉冲就积累足