激光雷达工作原理:ToF与FMCW

说到激光雷达,很多同学第一反应就是「那个转来转去的传感器」。其实它的核心就两件事:测距和成像。怎么测距?目前主流方案就两种——ToF和FMCW。我当年刚入行时也纠结过选哪个,后来踩了不少坑才真正理解它们的区别。

ToF(飞行时间法)

ToF的原理特别直白:发射一束激光,等它反射回来,算时间差。光速是已知的,时间差乘以光速再除以2,就是距离。说白了就是「扔个球出去,等它弹回来」。

但实际工程中没这么简单。我做过一个项目,用ToF激光雷达在强光下测距,结果数据跳得像心电图。为什么?因为太阳光里也有近红外成分,会干扰接收器。后来我们加了窄带滤光片和脉冲编码,才算稳住。

ToF核心公式:

距离 = (光速 × 飞行时间) / 2

典型精度:±2cm @ 100m

ToF的优势是结构简单、成本低。缺点也明显:多路径干扰、环境光敏感。嗯,这里要注意——如果你在隧道或玻璃幕墙附近用ToF,数据会变得很诡异。

FMCW(调频连续波)

FMCW就高级一些了。它不直接测时间,而是发射频率连续变化的激光,通过比较发射信号和反射信号的频率差来算距离。你想想看,这有点像警察测速的雷达枪。

FMCW最大的好处是能直接测速度。为什么?因为多普勒频移。我在做高速自动驾驶项目时,FMCW帮了大忙——它能区分静止障碍物和同向运动的车辆,ToF在这点上就抓瞎了。

个人经验:如果你做的是L4级高速场景,我建议优先考虑FMCW。虽然贵,但能省掉很多后处理算法的工作量。

FMCW的缺点?贵,而且对激光器线宽要求极高。我记得2019年时,一个FMCW激光雷达的BOM成本是ToF的5倍以上。不过这几年降了不少。

点云数据格式

激光雷达输出的原始数据就是点云。说白了就是一堆三维坐标点,每个点还带着额外属性。我见过不少新手拿到点云数据后直接懵了——这玩意儿怎么解析?

常见点云格式

格式 特点 典型应用
PCD 文本/二进制,PCL原生格式 算法开发、调试
PLY 支持顶点和面片 三维重建、可视化
LAS/LAZ 压缩率高,带分类信息 测绘、地理信息
BIN 纯二进制,无头文件 嵌入式、实时系统

我个人最常用的是PCD格式,因为PCL库支持得好。但如果你做嵌入式部署,BIN格式更合适——省去了解析头文件的开销。

点云数据结构

一个典型的点云数据包含以下字段:

  • x, y, z:三维坐标,单位通常是米
  • intensity:反射强度,反映目标材质
  • ring:扫描线编号,多线激光雷达特有
  • timestamp:时间戳,用于运动补偿

避坑指南:我曾经在项目中忽略了intensity的归一化问题。不同厂家的激光雷达,intensity的数值范围不一样——有的0-255,有的0-65535。直接拿来用会出大问题。

主流LiDAR产品介绍

市面上的激光雷达产品五花八门,但真正能打的就那几家。我按技术路线给大家捋一捋。

机械式激光雷达

这是最传统的方案。一个激光收发模块在电机带动下旋转,实现360°扫描。代表产品:

  • Velodyne HDL-64E:64线,老牌经典。我2016年第一次接触激光雷达就是它,当时觉得这东西简直是黑科技。现在看嘛...有点笨重了。
  • Hesai Pandar64:国产之光。性价比高,而且抗振动做得不错。我在矿区项目里用过,颠簸路面也没掉线。

固态/半固态激光雷达

没有旋转部件,靠MEMS微振镜或光学相控阵实现扫描。优点是体积小、寿命长。

  • Luminar Iris:1550nm波长,对人眼安全。探测距离能到250米。我试过它的点云,确实比905nm的干净很多。
  • RoboSense M1:MEMS方案,128线。体积跟手机差不多大。嗯,这里要注意——MEMS的视场角有限,一般需要多个拼接。

FMCW激光雷达

目前还在早期,但潜力巨大。

  • Aeva Aeries II:4D激光雷达,能直接输出速度。我在硅谷看过他们的demo,确实惊艳。
  • Mobileye LiDAR:基于FMCW,但具体参数没公开。据说2025年量产。

选型建议:如果你做低速园区车,机械式就够用。如果做高速乘用车,建议上固态或FMCW。别问我怎么知道的——我有个项目因为选了机械式,结果车规振动测试挂了三次。

本章知识体系

下面这张图总结了本章的核心内容,方便你建立整体认知:

激光雷达与点云知识体系 工作原理 ToF(飞行时间法) · 脉冲式测距 · 结构简单,成本低 FMCW(调频连续波) · 频率差测距 · 可直接测速度 点云数据格式 PCD / PLY / LAS / BIN 核心字段: x, y, z, intensity ring, timestamp 注意:intensity归一化 不同厂家范围不同 主流LiDAR产品 机械式:Velodyne、Hesai 固态:Luminar、RoboSense FMCW:Aeva、Mobileye 选型依据: 场景、成本、车规 核心要点 ToF适合低成本场景,FMCW适合高速高精度场景 点云格式选择取决于应用场景,嵌入式优先BIN 应用场景 自动驾驶感知 | 高精地图构建 | 机器人导航 | 三维重建

这张图把本章的三个核心模块串起来了。你从工作原理出发,理解ToF和FMCW的区别;然后掌握点云数据的组织方式;最后根据应用场景选合适的产品。这三步走通了,激光雷达这块就算入门了。

一句话总结:激光雷达选型没有银弹。ToF便宜但怕光,FMCW精准但贵。点云格式选对了能省一半调试时间。产品嘛...看预算和场景,别盲目追新。


公众号:蓝海数据掘金营,微信deep3321