激光雷达基础：ToF与FMCW原理、关键参数

各位同学，今天我们来聊聊激光雷达最核心的两个技术路线——ToF和FMCW。说实话，这两个词在行业里天天被提起，但真正理解它们区别的人，其实不多。

我刚开始接触激光雷达时，也以为ToF就是测时间，FMCW就是测频率，很简单嘛。直到有一次在项目里选型，发现同样的场景，ToF和FMCW给出的点云质量天差地别……嗯，从那以后我才认真啃了啃里面的门道。

一、ToF原理：简单粗暴的“计时器”

ToF，全称Time of Flight，飞行时间法。说白了，就是发射一束激光，打到目标反射回来，记录下这段时间差，乘以光速再除以2，距离就出来了。

公式很简单：

距离 = (光速 × 飞行时间) / 2

举个例子：如果激光往返用了100纳秒，那距离就是：

距离 = (3×10⁸ m/s × 100×10⁻⁹ s) / 2 = 15米

听起来很直接对吧？但实际工程里坑不少。我做过一个项目，用ToF雷达测30米外的白色墙面，数据很漂亮。换成黑色哑光漆面，直接丢点——因为反射信号太弱，接收器根本“听不见”。

二、FMCW原理：调频连续波的“精细活”

FMCW，Frequency Modulated Continuous Wave，调频连续波。它不直接测时间，而是通过发射频率连续变化的激光，与回波信号进行混频，得到差频信号，再反推出距离和速度。

核心公式：

距离 = (差频 × 光速 × 调制周期) / (2 × 调制带宽)
速度 = (多普勒频移 × 光速) / (2 × 载波频率)

为什么FMCW能同时测距和测速？因为它利用了多普勒效应。目标移动时，回波频率会偏移，这个偏移量直接对应速度。ToF想做同样的事，得额外加算法，精度还差一截。

我个人习惯在需要测速的场景里优先选FMCW。比如自动驾驶里检测前方车辆是静止还是运动，FMCW一帧数据就能判断，ToF得连续几帧对比才行。

三、ToF vs FMCW：一张表说清楚

对比项	ToF	FMCW
测距原理	直接测量飞行时间	测量差频信号
测速能力	需多帧推算	单帧即可
抗干扰能力	弱（易受环境光影响）	强（相干检测）
硬件复杂度	低	高（需要窄线宽激光器）
典型应用	扫地机、AGV	自动驾驶、远距离探测

你想想看，为什么扫地机都用ToF？因为成本低、够用。为什么自动驾驶高端车型开始上FMCW？因为抗干扰和测速是刚需。没有绝对的好坏，只有合不合适。

四、关键参数：看懂雷达的“硬指标”

选激光雷达，不能只看原理。三个参数必须吃透：视场角、帧率、角分辨率。

4.1 视场角（FOV）

视场角决定了雷达能“看到”多大范围。水平FOV和垂直FOV都要看。

• 水平FOV： 机械式雷达通常能做到360°，固态雷达一般在120°以内。
• 垂直FOV： 常见的是25°~45°，线束越多，垂直覆盖越密。

我做过一个园区无人配送项目，客户要求能检测到地面上的减速带。当时选的雷达垂直FOV只有20°，结果车开到减速带跟前才看到，根本来不及刹车。后来换了垂直FOV 40°的型号，问题解决。

4.2 帧率

帧率就是雷达每秒出多少帧点云数据。单位是Hz。

• 低速场景（AGV、扫地机）： 10Hz够用
• 高速场景（自动驾驶）： 20Hz起步，最好30Hz

为什么会这样？你想想看，车速60km/h时，每秒移动16.7米。如果帧率只有10Hz，两帧之间车已经跑了1.67米，障碍物检测的实时性根本跟不上。

我建议：选帧率时，留出至少50%的余量。比如你算法需要10Hz，雷达至少选15Hz的。

4.3 角分辨率

角分辨率决定了雷达能区分多近的两个目标。单位是度（°）。

角分辨率 = 水平视场角 / 水平扫描点数

举个例子：水平FOV 120°，扫描900个点，角分辨率就是0.133°。在100米外，这个角度对应的横向分辨距离是：

横向分辨率 = 100 × tan(0.133°) ≈ 0.23米

也就是说，两个相距23厘米的目标，雷达才能区分开。如果角分辨率是0.5°，那100米外只能区分87厘米以上的目标。

五、知识体系总览

下面这张图，把本章的核心逻辑串起来了。你可以把它当作一个快速索引。

这张图把ToF和FMCW的对比、以及三个关键参数的关系都画出来了。你可以保存下来，以后选型时对照着看。

六、小结

这一章我们聊了ToF和FMCW的原理区别，也拆解了视场角、帧率、角分辨率这三个硬指标。说实话，这些内容看起来基础，但真正用好的工程师并不多。我见过太多人拿着高规格的雷达，却因为参数匹配不当，项目翻车。

记住一句话：没有最好的雷达，只有最合适的参数组合。下一章我们会深入聊抗干扰的具体技术，到时候这些基础概念会反复用到。