第1章激光雷达概述

1. 激光雷达概述：从原理到应用

大家好，我是老张。在激光雷达这行摸爬滚打了十几年，今天咱们聊聊这个「让机器看见世界」的传感器。说实话，每次跟新人聊激光雷达，我都觉得它像是一个「会发光的眼睛」——既浪漫又硬核。

你想想看，一辆自动驾驶汽车在高速上跑，它怎么知道前面100米有个障碍物？一台扫地机器人怎么精确避开你的拖鞋？这些背后，都离不开激光雷达。嗯，咱们今天就把它彻底讲透。

激光雷达不是新鲜玩意儿。早在1960年代激光器刚发明那会儿，科学家就开始琢磨怎么用它测距了。但真正进入工业界，是最近十几年的事。

几个关键节点：

1970年代：NASA搞登月测绘，用激光雷达给月球画地图。那时候设备比冰箱还大。
2000年代初：Velodyne推出64线机械式激光雷达，自动驾驶圈开始沸腾。我记得第一次看到HDL-64E的点云数据，心里就一个想法——这玩意儿太酷了。
2015年后：固态激光雷达、MEMS方案、Flash方案百花齐放。成本从几万美元降到几百美元。
2020年至今：车规级量产成为主旋律。我参与过的一个项目，光可靠性测试就跑了半年。

为什么会从机械式转向固态？说白了，机械式有旋转部件，寿命和可靠性是硬伤。你想想看，车在路上颠簸十年，里面的电机还能转得动吗？

目前主流就两种测距原理。我习惯把它们比作「秒表」和「三角尺」。

原理很简单：发射一束激光，打到目标反射回来，记录时间差。光速是已知的，距离 = 光速 × 时间 / 2。

// 伪代码示意
发射激光脉冲
记录发射时间 t1
接收回波信号
记录接收时间 t2
距离 = (t2 - t1) * 光速 / 2

我在项目中遇到过一个问题：强光环境下，太阳光会干扰回波检测。后来我们加了窄带滤光片和时序滤波，才算搞定。嗯，这里要注意——ToF的精度主要取决于时间测量电路的精度。皮秒级的计时芯片，价格可不便宜。

个人经验：ToF适合远距离（几十米到几百米），精度一般在厘米级。如果你要做百米级的自动驾驶主雷达，ToF是首选。

这个原理更「古典」。激光器发射一个光斑，打在目标上，用相机拍下光斑的位置。目标越远，光斑在图像上的偏移越小。通过三角几何算出距离。

说白了，这就是初中几何的相似三角形原理。但实际做起来坑很多——镜头畸变、光斑质心提取、环境光干扰……我曾经在一个工业检测项目里，为了把三角法的精度做到微米级，整整调了三个月的光学系统。

避坑指南：三角法测距范围有限，一般几米以内。精度可以做到毫米甚至微米级，但距离越远精度越差。别想着用它做自动驾驶主雷达——远距离根本测不准。

选型的时候，供应商给的参数表花花绿绿。我教你几个关键指标，看懂了就不会被忽悠。

指标	含义	我的建议
测距精度	测量值与真实值的偏差	工业级一般要求±2cm以内。别只看标称值，要看全温范围下的表现。
FOV（视场角）	水平和垂直的扫描范围	水平FOV越大越好，但垂直FOV要匹配应用。自动驾驶一般垂直25°就够了。
角分辨率	相邻两个激光点之间的角度间隔	0.1°算不错，0.05°算优秀。角分辨率决定了你能看清多小的物体。
帧率	每秒完成多少次完整扫描	10Hz是底线，20Hz更安全。帧率太低，高速运动的目标会「拖影」。

你想想看，角分辨率0.1°意味着什么？100米外，两个点之间的间距是17.5厘米。也就是说，一个20厘米宽的物体，可能只被一个点扫到。这就是为什么高线束雷达能「看清」行人，低线束只能「看到」一团点。

不同场景对激光雷达的要求天差地别。我简单梳理一下：

自动驾驶：需要远距离（200m+）、高角分辨率、多线束（32线起步）。环境复杂，对可靠性要求极高。我曾经见过一台雷达在雨雾天直接「瞎了」——后来才知道是窗口结露导致的。
机器人：室内导航用单线或2D激光雷达就够了，成本敏感。AGV小车一般用三角法，精度高、价格低。但要注意地面反光问题——黑色地面会吸收激光。
测绘：精度是第一位。机载激光雷达可以做到厘米级高程精度。我记得有个项目，为了标定IMU和激光雷达的外参，我们在野外架了三天基站。

一句话总结：选激光雷达，先看距离和精度，再看FOV和帧率，最后看成本和可靠性。别盲目追求高参数，适合场景的才是最好的。

下面这张图，是我自己整理的激光雷达硬件设计知识框架。你可以把它当成整个课程的地图。

这张图涵盖了整个课程的核心脉络。从工作原理出发，理解性能指标，再到系统架构设计，最后落到应用和工艺。我个人建议你先把这张图存下来，每学完一章就回来对照一下，看看自己处在哪个位置。

好了，第一章就到这里。激光雷达的世界很大，咱们慢慢走进去。下一章，我会带你深入光学发射系统——那才是真正「发光」的地方。

公众号:蓝海资料掘金营，微信deep3321