據(jù)報道，激光雷達(LiDAR)與其它傳感器技術(shù)(攝像頭、雷達和超聲波)的相互競爭增加了對傳感器融合的需求，同時也要求對光電探測器、光源和MEMS微鏡的仔細甄選。

隨著傳感器技術(shù)、成像技術(shù)、雷達、LiDAR、電子設(shè)備和人工智能技術(shù)的進步，數(shù)十種先進駕駛輔助系統(tǒng)(ADAS)功能已得以實現(xiàn)，包括防撞、盲點監(jiān)測、車道偏離報警和停車輔助。通過傳感器融合同步此類系統(tǒng)的運行，以允許全自動駕駛車輛或無人駕駛車輛對周圍環(huán)境檢測，并警告駕駛員潛在的道路危險，甚至可以采取獨立于駕駛員的規(guī)避動作來避免碰撞。

自動駕駛汽車還必須能在高速情況下區(qū)分并識別前方物體。使用距離判斷技術(shù)，這些自動駕駛汽車必須快速構(gòu)建出約100米遠道路的3D地圖，并能在250米遠的距離上創(chuàng)建出高角分辨率的圖像。如果駕駛員不在場，汽車人工智能必須做出最優(yōu)決策。

此任務(wù)的幾種基本方法之一是，測量能量脈沖從自動駕駛汽車發(fā)出到目標再返回車輛的往返飛行時間(ToF)。當知道脈沖通過空氣的速度時，就可以計算出反射點的距離。這個脈沖可以是超聲波(聲納)，也可以是無線電波(雷達)或光(LiDAR)。

這三種ToF技術(shù)，想擁有更高的角分辨率圖像，LiDAR是最好的選擇，這是因為LiDAR圖像的衍射(光束散度)更小，對鄰近物體識別能力比雷達更優(yōu)秀(見圖1)。對于高速情況下需要足夠時間來應(yīng)對如迎頭相撞等潛在危險，更高的角分辨率尤為重要。

激光源的選擇

在ToF LiDAR中，激光發(fā)出持續(xù)時間為τ的光脈沖，在發(fā)射的瞬間激活計時電路內(nèi)部時鐘(見圖2)。從目標反射的光脈沖到達光電探測器時，會產(chǎn)生一種使時鐘失效的輸出電信號。這種電子測量往返ToF Δt 可計算出目標到反射點的距離R。

若現(xiàn)實中激光和光電探測器位于同一位置，其距離R是由以下兩因素影響：

c為光在真空中的速度，n為傳播介質(zhì)的折射率(空氣中折射率接近1)。這兩個因素影響著距離分辨率ΔR：若激光點的直徑大于要解析的目標大小，則測量Δt和脈沖的空間寬度w(w = cτ)的不確定性為δΔt。

第一個因子表示為ΔR = ? cδΔt，而第二個因子則表示為ΔR = ? w = ? cτ。若距離測量的分辨率為5 cm，以上關(guān)系表明：δΔt約為300 ps，τ約為300 ps。ToF LiDAR要求利用小時間抖動的光電探測器和電子探測器(主要對δΔt有貢獻)和能發(fā)射短時脈沖的激光(如相對昂貴的皮秒激光)。在典型汽車LiDAR系統(tǒng)中，激光產(chǎn)生的脈沖持續(xù)時間約為4 ns，因此最小光束發(fā)散角是必需的。

圖1 光束發(fā)散角取決于發(fā)射天線(雷達)或透鏡(LiDAR)的孔徑和波長的比值。此比例對于雷達產(chǎn)生的較大光束發(fā)散角和較小角分辨率來說是偏大的。如圖，雷達(黑色)無法區(qū)分這兩輛車，而LiDAR(紅色)則可以

對汽車LiDAR系統(tǒng)設(shè)計者來說，最關(guān)鍵的就是選擇光的波長。但有以下幾項因素限制了此選擇：人眼安全性、與大氣的相互作用、可選用的激光器以及可選用的光電探測器。

最受歡迎的兩種波長是905 nm和1550 nm，905 nm光波的主要優(yōu)點是硅能吸收此波長的光子，而硅基光電探測器通常比探測1550 nm光波的砷化鎵銦(InGaAs)紅外(IR)光電探測器便宜。然而，1550 nm對人眼的安全性更高，允許激光使用的每個脈沖輻射能量更大——這是光子預算中的重要因素。

大氣衰減(在所有的天氣條件下)，從空氣中粒子的散射，以及目標物理表面的反射，都是依賴于波長的。但對于汽車LiDAR來說，由于天氣條件和反射表面類型可能性眾多，這是一個復雜的問題。在現(xiàn)實的環(huán)境中，由于1550 nm的吸水率比905 nm的更強，其實905 nm的光損失更少。

光電探測器的選擇

發(fā)射的脈沖中只有小部分光子到達了光電探測器的有源區(qū)域。若大氣衰減不會隨著脈沖路徑發(fā)生變化，則激光的光束發(fā)散角可忽略不計，照明點小于目標，入射角度為零，反射為完全漫反射(Lambertian)，那么脈沖光接收的峰值功率P(R)為：

光電探測器的選擇

其中，P0為發(fā)射激光脈沖的光峰值功率， ρ 為目標反射率，A0為接收器的孔徑面積，η0為探測光的光譜透射，γ為大氣衰減系數(shù)。

上述方程表明，隨著距離 R的增加，接收功率迅速降低。作為參數(shù)及R=100 m的合理選擇，光電探測器有源區(qū)域上返回的光子數(shù)近超過典型值(發(fā)射1020次)，為其幾百到幾千倍的數(shù)量級。而這些光子會與未攜帶有用信息的環(huán)境光子競爭。

使用窄帶濾波器可減少到達探測器的環(huán)境光子數(shù)量，但卻不能完全消除。環(huán)境可降低檢測的動態(tài)范圍和增加噪聲(環(huán)境光子散粒噪聲)。值得注意的是，在典型的條件下，地面太陽輻射照度在905 nm到1550 nm區(qū)間。

圖2 飛行時間(ToF)LiDAR基本設(shè)置的詳解

在汽車周圍的創(chuàng)建360° x 20°的3D地圖，需要光柵掃描單個/多個激光光束，或?qū)鼍斑M行光覆蓋并收集點云數(shù)據(jù)。前一種方法被稱為掃描式LiDAR，而后者是Flash面陣式LiDAR。

有幾種方法可以實現(xiàn)掃描式LiDAR。第一種方法，以Velodyne(San Jose，CA)公司為例，安裝在車頂?shù)募す饫走_平臺以每分鐘300~900轉(zhuǎn)的速度旋轉(zhuǎn)，同時從64顆905 nm激光二極管發(fā)出脈沖。每個光束都有一顆專用雪崩光電二極管(APD)檢測器。類似的方法是使用旋轉(zhuǎn)多面鏡，在不同方位和下傾角度，以略微不同的傾斜角度來控制單束脈沖。在惡劣且復雜的駕駛環(huán)境中，這兩個設(shè)計中的運動部件都暗藏著失敗的風險。

第二種方法，使掃描式LiDAR變得更緊湊的方法是使用MEMS微鏡，在2D方向上以電控制光束。雖然技術(shù)上仍存在一些運動部件(微鏡也有振動)，但振動幅度很小，且頻率足夠高，還可防止MEMS微鏡與汽車之間的機械共振。然而，MEMS微鏡的幾何尺寸限制了其振蕩幅度，因此采用MEMS微鏡的LiDAR視野有限，這是MEMS方法的缺點。盡管如此，由于此種方法成本低、技術(shù)成熟，還是賺足了眼球。

光學相控陣(OPA)技術(shù)，為第三種競爭掃描式LiDAR技術(shù)的方法，因其可靠的“無運動部件”設(shè)計而深受歡迎。它由光天線元件陣列組成，這些元件同樣被相干光照亮。通過獨立控制每個元件重新發(fā)射光的相位和振幅來實現(xiàn)光波轉(zhuǎn)向，遠場干擾產(chǎn)生一種理想的照明模式，從單光束到多光束。不幸的是，各種各樣小元件的光損耗限制了其可用范圍。

Flash面陣式LiDAR對場景進行光覆蓋，盡管照明區(qū)域與探測器視野相匹配。在探測光學焦平面上的APD陣列即為探測器。每個APD均獨立地測量ToF以實現(xiàn)該APD對目標特性成像。這是一種真正的“無運動部件”方法，其中切向分辨率被2D探測器的像素大小所限制。

然而，F(xiàn)lash面陣式LiDAR的主要缺點是光子預算：一旦距離超過幾十米，返回光子的數(shù)量就太少，根本無法進行可靠的探測。如果不是對場景進行光覆蓋，以犧牲切向分辨率為代價，用網(wǎng)格點狀結(jié)構(gòu)光來照明，這就可得到改善。垂直腔面發(fā)射激光器(VCSELs)使其可在不同方向同時發(fā)射成千上萬的光束。

如何不受ToF限制

由于探測電子返回脈沖和帶寬較寬的弱點，ToF LiDAR易受噪聲影響，而閾值觸發(fā)可引起測量誤差Δt。基于這些原因，調(diào)頻連續(xù)波(FMCW)LiDAR是一種有趣的選擇。

在FMCW LiDAR(或chirped 雷達)中，天線連續(xù)發(fā)射的無線電波頻率是調(diào)制的，例如其頻率隨著時間T從f0到 fmax線性增加，然后再隨著時間T從 fmax到f0線性減少。如果反射波從某處的移動物體回到發(fā)射點，其瞬時頻率將與發(fā)射瞬間的頻率不同。差異來自有兩個方面：一是與物體間的距離，二是其相對徑向速度。因此可通過電子測量頻率差異，并計算物體的距離和速度(見圖3)來確定。

圖3 在chirped 雷達中，通過電子測量 fB1 和fB2 ，可以確定反射物體的距離和它的徑向速度

受到chirped 雷達的啟發(fā)，F(xiàn)MCW LiDAR可用不同的方式接近被測物體。在最簡單的設(shè)計中，可以對照亮目標的光束強度進行“啁啾chirp”(寬帶線性調(diào)頻)調(diào)制。該頻率與FMCW雷達的載波頻率遵守相同的規(guī)律(如多普勒效應(yīng))。反射回來的光被光電探測器檢測到，然后恢復其調(diào)制頻率。輸出被放大，并與本機振蕩器混合，以允許測量頻率的變化，同時由此計算出目標的距離和速度。

但是FMCW LiDAR也有其局限性。與ToF LiDAR相比，它需要更強大的計算能力。因此，F(xiàn)MCW LiDAR在生成完整3D環(huán)境視圖時，速度要慢一些。此外，測量的精度對啁啾斜線的線性度非常敏感。

盡管設(shè)計一套功能完善的LiDAR系統(tǒng)是非常有挑戰(zhàn)性的，但這些挑戰(zhàn)均是可克服的。隨著研究的深入，我們正越來越接近“大部分汽車完成裝配后就可以實現(xiàn)完全自動駕駛”的時代。