主动成像激光雷达系统使用脉冲激光和探测器来恢复有用的场景信息,如物体的三维结构,反射率,荧光等。通常需要大量的光子以形成最终的图像,以满足每个像素收集100至1000个光子来生成非常精细的直方图,然后分析直方图提取出场景的深度和反射率信息。而由于单光子探测器的光子计数过程固有的泊松噪声,直方图估计此时受噪声水平影响非常大,所以需要探索出新的成像方法来实现精确的三维重建。在低光照水平的环境中,探测器收集得到的光子飞行时间数据中,包含了大量背景和探测器的噪声,如何将信号和噪声分离,并提取出有用的信息成为整个激光雷达三维重建的关键所在。首先,由于信号在时间轴上有聚集效应,而噪声是随机分布的,因此本文提出了一种结合飞行光子的时间相关性,在时域上利用窗口阈值分离信号和噪声的算法,实验结果表明在不同信号背景比(Signal-to-Background Ratio,SBR)条件下,该方法对场景都有很好的三维重建能力,均方根误差与传统的极大似然估计法(Maximum Likelihood,ML)相比降低了62%。其次,由于一些像素可能没有探测到信号光子,也就无法使用这种时域方法来提取有用的信息。所以本文利用场景的空间相关性,提出另一种改进算法,通过结合固定距离相似像素的信号光子估计值,实现了兴趣点的三维重建。实验结果表明,在SBR=10的条件下,该算法比ML算法精确度提高了约2.2倍,而在SBR=1的条件下,该算法精确度比ML算法提高了9.6倍。实验结果不仅体现出本文提出的算法的优越性,同时也可以适用于各种复杂场景中,对多种深度目标进行精确地三维重建。