第1章激光雷达概述

第一章激光雷达概述：从原理到自动驾驶落地

大家好，我是你们这门课的主讲。在自动驾驶感知这个圈子里摸爬滚打了快十年，说实话，激光雷达一直是我个人最偏爱的传感器。为什么？因为它「实在」——测距准、不受光照影响、能直接给你三维点云。摄像头再牛，也得靠算法去猜深度，而激光雷达一上来就把距离告诉你。嗯，今天我们就从最基础的东西聊起。

激光雷达，英文叫 LiDAR（Light Detection And Ranging）。说白了，就是「用激光去测距」的雷达。它跟毫米波雷达不一样，激光的波长更短，角度分辨率更高，能看清物体的轮廓。

我记得刚入行那会儿，有个老工程师跟我说：「激光雷达就是给车装了一双能发光的眼睛。」后来我自己做项目才理解，这双眼睛不仅能看，还能精确测量每个点的距离。每个激光点返回后，我们就能知道前方障碍物的位置、形状，甚至运动速度。

核心概念：激光雷达通过发射激光束并接收反射信号，计算目标物体的距离、角度和反射强度，从而生成三维点云数据。

目前主流的激光雷达有两种测距方式：ToF 和 FMCW。我分别讲讲。

ToF 的原理特别简单：发射一束激光，等它打到物体上再反射回来，记录这段时间差。光速是已知的，距离 = 光速 × 时间 / 2。

你想想看，这就像你对着山谷喊一声，听回声回来的时间。只不过激光的速度是 3×10⁸ m/s，所以时间测量必须非常精确。我在项目中遇到过一个问题：ToF 激光雷达在强阳光下容易受环境光干扰，导致测距不准。后来我们加了窄带滤光片，才把这个问题压下去。

避坑指南：我曾经在测试中发现，ToF 激光雷达对黑色物体（比如黑色轮胎）的反射率很低，测距会明显变差。选型时一定要注意目标物体的反射特性。

FMCW 是另一种思路。它不直接测时间，而是发射频率连续变化的激光。反射回来的信号与发射信号混频，通过频率差来计算距离和速度。

FMCW 的好处是：能直接测速度（多普勒效应），抗干扰能力强。但缺点是结构复杂，成本高。我个人觉得，FMCW 是未来的方向，尤其是 4D 激光雷达（距离、速度、角度、强度）这块，FMCW 有天然优势。

自动驾驶的传感器套件里，摄像头、毫米波雷达、激光雷达各有分工。但激光雷达扮演的角色是「不可替代的」。

高精度三维感知：摄像头只能提供 2D 图像，激光雷达直接给你 3D 点云。做目标检测、障碍物分割，点云数据比图像更直观。
全天候工作：摄像头怕黑夜、怕逆光、怕雨雾。激光雷达虽然也受雨雾影响，但比摄像头强得多。我做过对比测试，夜间场景下激光雷达的检测率比摄像头高 30% 以上。
直接测距：不需要像视觉那样靠深度学习去「猜」距离。激光雷达测出来的距离就是物理真实值，这对安全决策至关重要。

注意：激光雷达不是万能的。它在雨雪天气下性能会下降，对玻璃等透明物体也基本无效。所以自动驾驶系统一定是多传感器融合，别指望单靠激光雷达搞定一切。

这几年激光雷达市场变化很快。我简单列几个主流厂商和他们的代表产品，方便大家选型时参考。

我个人建议，做项目选型时不要只看线数。线数高不一定好，还要看视场角、帧率、点云密度、功耗、成本。我踩过坑：曾经选了一款 128 线的雷达，点云确实密，但功耗 60W，车上供电根本扛不住。后来换了 64 线的，效果也够用。

下面这张图是我自己画的，把本章的核心逻辑串起来了。你可以把它当作一个「知识地图」。

这张图把本章的四个核心模块串起来了：定义、原理、角色、厂商。你可以看到，ToF 和 FMCW 是原理的两个分支，而自动驾驶角色又细分为 3D 感知、全天候、直接测距。厂商这块，我只列了四家代表性的，实际市场上还有更多。

好了，第一章的内容就到这里。激光雷达的世界很大，我们只是开了个头。后面我们会一步步深入，从点云处理到目标检测，再到多传感器融合。嗯，慢慢来，扎实走。