4、激光雷达仿真：激光雷达工作原理、点云生成算法、反射率与噪声模型、在Aurelion中的配置

各位同学，欢迎来到激光雷达仿真的章节。

说实话，在自动驾驶的传感器套件里，激光雷达一直是个「狠角色」。它不像摄像头那样受光照影响大，也不像毫米波雷达那样分辨率低。它直接给你输出三维点云，说白了就是「我用激光把周围世界给量了一遍」。我在dSPACE上做过不少项目，每次调试激光雷达模型时，都会感慨：这东西要是仿真做不好，实车测试就是噩梦。

4.1 激光雷达工作原理：从发射到接收

先聊聊原理。激光雷达，英文叫LiDAR，全称是Light Detection And Ranging。它的核心逻辑很简单：发射一束激光，打到物体上反射回来，接收器捕获回波，然后根据时间差算距离。

嗯，这里要注意一个关键点：激光雷达不是只发一束光，而是以极高的频率发射脉冲。机械式激光雷达内部有一个旋转机构，带动激光器旋转扫描。固态激光雷达则通过光学相控阵或微振镜来实现扫描，没有旋转部件。

我个人习惯把激光雷达的工作流程拆成四步：

• 发射：激光器发出近红外波段的脉冲光束
• 扫描：通过旋转或电子控制，让光束覆盖水平360°和垂直一定视场角
• 接收：光电探测器捕获反射回来的微弱光信号
• 解算：根据飞行时间（ToF）计算距离，同时记录反射强度

我在项目中遇到过一个问题：仿真时激光雷达的视场角设置错了，导致点云在垂直方向少了一大片。后来排查才发现，是配置文件中垂直分辨率填成了水平分辨率的值。所以，搞清楚你的激光雷达是16线、32线还是128线，每根线束的垂直角度间隔是多少，这些参数直接影响仿真精度。

4.2 点云生成算法：从几何到采样

点云是怎么生成的？这其实是仿真引擎的核心工作。

在dSPACE的Aurelion平台里，点云生成算法大致遵循这样的流程：

1. 射线投射：从激光雷达原点出发，按照预设的水平角和垂直角，发射N条射线
2. 碰撞检测：每条射线与场景中的三角网格模型进行求交计算
3. 距离计算：如果射线命中物体，记录命中点的三维坐标
4. 属性提取：获取命中点的材质信息，用于计算反射率

你想想看，如果场景中有100万个三角面片，激光雷达每秒发射几十万条射线，这个计算量是非常大的。所以Aurelion用了空间加速结构，比如BVH树，来快速剔除不可能相交的三角面。

这里我给大家展示一个简化的点云生成伪代码：

// 伪代码：激光雷达点云生成
for (int i = 0; i < numLasers; i++) {
    float verticalAngle = startAngle + i * angleResolution;
    for (int j = 0; j < numSamplesPerScan; j++) {
        float horizontalAngle = j * horizontalResolution;
        Ray ray = createRay(origin, verticalAngle, horizontalAngle);
        HitResult hit = scene.Intersect(ray);
        if (hit.isValid) {
            PointCloud point;
            point.x = hit.position.x;
            point.y = hit.position.y;
            point.z = hit.position.z;
            point.intensity = calculateIntensity(hit.material, ray);
            pointCloud.Add(point);
        }
    }
}

这段代码看起来简单，但实际工程中要考虑的东西很多。比如射线与物体边缘相交时，可能会产生「穿透」或「漏检」。我曾经调试过一个bug，就是激光射线正好从两个三角面的缝隙穿过去了，导致点云出现空洞。后来把碰撞检测的容差调小了一点，问题就解决了。

4.3 反射率与噪声模型：仿真与真实的差距

反射率，说白了就是物体表面能反射多少激光能量。不同材质反射率差异很大：

材质类型	反射率（典型值）	仿真表现
白色路面标线	80% - 90%	点云密集，强度高
沥青路面	10% - 20%	点云稀疏，强度低
深色车辆漆面	5% - 15%	容易丢失点云
行人衣物	20% - 40%	中等强度
玻璃/镜面	<5% 或 镜面反射	点云缺失或产生鬼影

在Aurelion中配置反射率时，我建议你给每个材质都赋予一个真实的反射率值。不要偷懒全用默认值，否则仿真出来的点云强度分布会和实车数据对不上。

再说噪声模型。真实的激光雷达点云不是完美的，它包含多种噪声：

• 高斯噪声：测距过程中的随机误差，服从正态分布
• 雨雾噪声：水滴或悬浮颗粒造成的虚假回波
• 边缘噪声：物体边缘处由于多次反射产生的飞点
• 运动畸变：车辆运动导致扫描过程中物体位置变化

我曾经在仿真中忽略噪声模型，结果算法在仿真中跑得飞起，一上实车就各种误检。后来我学乖了，在Aurelion里把噪声参数调到和真实激光雷达一致，比如Velodyne HDL-64E的测距噪声标准差大约是2cm，我就把这个值填进去。

4.4 在Aurelion中的配置：手把手实操

好了，理论讲完了，咱们来点实际的。在Aurelion中配置激光雷达仿真，我一般按以下步骤来：

1. 创建传感器对象：在场景树中右键添加LiDAR传感器
2. 设置基本参数：
• 激光线数：16/32/64/128
• 水平视场角：通常360°
• 垂直视场角：比如-15°到+15°
• 扫描频率：10Hz或20Hz
• 最大探测距离：100m或200m
3. 配置点云输出：选择输出格式（PCD、LAS或自定义二进制）
4. 设置反射率映射：将场景材质与反射率表关联
5. 启用噪声模型：勾选噪声选项，填入标准差等参数
6. 挂载到车辆：将传感器作为子节点挂载到车辆模型上，设置安装位置和朝向

这里有个小技巧：在Aurelion中，你可以同时配置多个激光雷达，比如车顶一个128线主雷达，保险杠两侧各一个16线补盲雷达。每个雷达的参数可以独立设置，互不干扰。

最后，给大家一个配置示例（以64线激光雷达为例）：

// Aurelion LiDAR 配置示例
LiDAR {
    name = "MainLiDAR_64"
    type = "Mechanical"
    numLasers = 64
    horizontalFOV = 360.0
    verticalFOV = 26.8        // -24.8° 到 +2.0°
    verticalResolution = 0.4  // 度
    horizontalResolution = 0.2 // 度
    scanRate = 10             // Hz
    maxRange = 120.0          // 米
    rangeNoiseStd = 0.02      // 米
    intensityNoiseStd = 0.05  // 归一化强度
    enableRainNoise = false
    enableEdgeNoise = true
    outputFormat = "PCD"
}

嗯，这个配置基本能模拟一个真实的64线机械式激光雷达。如果你用的是固态激光雷达，记得把type改成"SolidState"，并调整视场角和扫描方式。

好了，这一章的内容就到这里。激光雷达仿真说难不难，说简单也不简单。关键是要理解物理原理，然后在仿真中尽可能还原真实传感器的特性。下一章我们会聊毫米波雷达仿真，那个东西的玄学程度比激光雷达还高，到时候再跟大家分享我的踩坑经历。