车载传感器 — 一文详解激光雷达

发布者:WiseSage123最新更新时间:2024-11-21 来源: elecfans关键字:车载传感器  激光雷达  自动驾驶 手机看文章 扫描二维码
随时随地手机看文章

引言:激光雷达在自动驾驶应用中主要用来探测道路上的障碍物信息,把数据和信号传递给自动驾驶的大脑,再做出相应的驾驶动作,但室外常见的干扰因素如雨、雾、雪、粉尘、高低温等对激光雷达的识别造成了极大的影响。因此,激光雷达投入实际应用前需要在雨、雾、光、尘等特殊环境中进行大量的测试。在自然环境条件下,所需要的测试场景可遇不可求且无法复现,无法满足激光雷达大量真实环境测试的需求。在此基础上,国家智能网联汽车(长沙)测试区即将打造完成雨、雾、光、尘等典型测试场景,也是目前国内唯一同时具备雨、雾、光、尘等场景的测试区,可满足激光雷达等传感器大批量可复现的真实环境测试需求。(以下内容转载自今日广电,侵删)

d15f55f6-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000

图1激光雷达受环境的影响

激光雷达(LiDAR)是当前正在改变世界的传感器,它广泛应用于自动驾驶汽车、无人机、自主机器人、卫星、火箭等。激光通过测定传感器发射器与目标物体之间的传播距离(Time of Flight,TOF)(如图2所示),分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位等信息,输出点云,从而呈现出目标物精确的三维结构信息。

d175c728-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000

图2激光雷达测距及点云

激光雷达是由激光发射单元和激光接收单元组成,发射单元的工作方式是向外发射激光束层,层数越多,精度也越高(如图3所示),不过这也意味着传感器尺寸越大。发射单元将激光发射出去后,当激光遇到障碍物会反射,从而被接收器接收,接收器根据每束激光发射和返回的时间,创建一组点云,高质量的激光雷达,每秒最多可以发出200多束激光。

d18897c2-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000

图3 不同激光束形成的激光点云

对于激光的波长,目前主要使用使用波长为905nm和1550nm的激光发射器,波长为1550nm的光线不容易在人眼液体中传输。故1550nm可在保证安全的前提下大大提高发射功率。大功率能得到更远的探测距离,长波长也能提高抗干扰能力。但是1550nm激光需使用InGaAs,目前量产困难。故当前更多使用Si材质量产905nm的LiDAR。通过限制功率和脉冲时间来保证安全性。

一、激光雷达的结构

激光雷达的关键部件按照信号处理的信号链包括控制硬件DSP(数字信号处理器)、激光驱动、激光发射发光二极管、发射光学镜头、接收光学镜头、APD(雪崩光学二极管)、TIA(可变跨导放大器)和探测器,如图4所示。其中除了发射和接收光学镜头外,都是电子部件。随着半导体技术的快速演进,性能逐步提升的同时成本迅速降低。但是光学组件和旋转机械则占具了激光雷达的大部分成本。

d19e7d08-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000

图4 激光雷达的关键部件

二、激光雷达的种类

目前市面上有不同种类的激光雷达,按驱动方式可分为机械式、MEMS、相控阵、泛光面阵式(FLASH)。

机械式

以Velodyne 2007年推出的64线雷达为例。它把64个激光器垂直堆叠在一起,以20rpm速度旋转。简单理解就是通过旋转将激光点变成线,通过64线堆叠将线转化为面,得到点云数据获取3D环境信息。

机械式结构需要复杂的机械结构,同时点云的测量又需要对安装进行精确定位。考虑环境和老化的影响,平均的失效时间仅1000-3000小时,难以达到车厂最低13000小时的要求。且由于LiDAR安装在车顶,民用领域需考虑外界养护的问题,如洗车的影响。因此机械式结构极大的限制了成本和应用推广。

MEMS

MEMS激光雷达利用微电子机械系统的技术驱动旋镜,反射激光束指向不同方向。

固态激光雷达的优点包括了:数据采集速度快,分辨率高,对于温度和振动的适应性强;通过波束控制,探测点(点云)可以任意分布,例如在高速公路主要扫描前方远处,对于侧面稀疏扫描但并不完全忽略,在十字路口加强侧面扫描。而只能匀速旋转的机械式激光雷达是无法执行这种精细操作的。

典型应用有法雷奥SCALA激光雷达。目前应用在奥迪A8(第一款L3级的自动驾驶车辆)。安装在前保险杠位置,使用MEMS技术得到145°的扫描角度,80m的探测距离。

d1b31af6-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000

图5 奥迪A8的激光雷达

相控阵(OPA)

相控阵雷达原理:主要利用光的干涉原理。可以通过改变不同缝中入射光线的相位差即可改变光栅衍射后中央明纹(主瓣)的位置,如下图所示。

d1d26da2-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000


d1ea45b2-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000

图6 相控阵雷达的原理

相控阵(OPA)的优缺点

优点:

①结构简单、尺寸小:由于不需要旋转部件,可以大大压缩雷达的结构和尺寸,提高使用寿命,并降低成本。

②标定简单:机械式激光雷达由于光学结构固定,适配不同车辆往往需要精密调节其位置和角度,固态激光雷达可以通过软件进行调节,大大降低了标定的难度。

③扫描速度快:不用受制于机械旋转的速度和精度,光学相控阵的扫描速度取决于所用材料的电子学特性,一般都可以达到MHz量级。

④扫描精度高:光学相控阵的扫描精度取决于控制电信号的精度,可以达到千分之一度量级以上。

⑤可控性好:光学相控阵的光束指向完全由电信号控制,在允许的角度范围内可以做到任意指向,可以在重点区域进行高密度的扫描。

⑥多目标监控:一个相控阵面可以分割为多个小模块,每个模块分开控制即可同时锁定监控多个目标。

缺点:

①扫描角度有限:调节相位最多只能让中央明纹改变约±60°,实际做到360°采集的话一般需要6个。

②旁瓣问题:光栅衍射除了中央明纹外还会形成其他明纹,这一问题会让激光在最大功率方向以外形成旁瓣,分散激光的能量。

③加工难度高:光学相控阵要求阵列单元尺寸必须不大于半个波长,一般目前激光雷达的工作波长均在1微米左右,故阵列单元的尺寸必须不大于500nm。而且阵列密度越高,能量也越集中,这都提高了对加工精度的要求,需要一定的技术突破。

④接收面大、信噪比差:传统机械雷达只需要很小的接收窗口,但固态激光雷达却需要一整个接收面,因此会引入较多的环境光噪声,增加了扫描解析的难度。

泛光面阵式(FLASH)

泛光面阵式的原理类似TOF相机,也就是快闪,它不像MEMS或OPA的方案会去进行扫描,而是短时间直接发射出一大片覆盖探测区域的激光,再以高度灵敏的接收器,来完成对环境周围图像的绘制。它运行起来更像摄像头。激光束会直接向各个方向漫射,因此只要一次快闪就能照亮整个场景。随后,系统会利用微型传感器阵列采集不同方向反射回来的激光束。

d1d26da2-e3be-11ed-ab56-dac502259ad0.png?imageView2/2/w/1000

图7 泛光式激光雷达

Flash LiDAR 的一大优势是它能快速记录整个场景,避免了扫描过程中目标或激光雷达移动带来的各种麻烦。当前的发展方向有2个,一种是盖格模式APD的单光子计数型直接对光子计数生成数字图像;一种是传统的CMOS光强模拟采集得到强度图,将强度图转化为距离信息。

三、激光雷达的数据传输

LiDAR由于数据量较大,当前的控制架构中,基本采用将每个光点的原始数据发回到中央控制器处理,所以通常会采用FlexRay或以太网此类高带宽的网络进行通讯。如法雷奥的SCALA在1代采用Flexray,2代则开始使用以太网。

LiDAR 通常从硬件层面支持授时,通常会提供支持三种时间同步接口。

1) IEEE 15882008同步,遵循精确时间协议,通过以太网对测量以及系统控制实现精确的时钟同步。

2) 脉冲同步(PPS),脉冲同步通过同步信号线实现数据同步。

3) GPS同步(PPS+UTC),通过同步信号线和UTC时间(GPS时间)实现数据同步。

以目前最普遍的旋转式激光雷达的数据为例,其数据为10hz,即LiDAR在0.1s时间内转一圈,并将硬件得到的数据按照不同角度切成不同的packet,而每一个packet包含了当前扇区所有点的数据,包含每个点的时间戳,每个点的xyz数据,每个点的发射强度,每个点来自的激光发射机的id等信息。而如最新的Livox Horizon激光雷达,也包含了多回波信息及噪点信息。


关键字:车载传感器  激光雷达  自动驾驶 引用地址:车载传感器 — 一文详解激光雷达

上一篇:汽车(超声波、毫米波、激光)雷达之间的简单区别
下一篇:为啥车载操作系统(Vehicle OS)越来越重要了呢?

推荐阅读最新更新时间:2026-03-23 23:35

自动驾驶半固态激光雷达是如何工作的?
自动驾驶技术的提升很大程度上取决于传感器技术的突破。作为自动驾驶感知层级的核心组件,激光雷达(LiDAR)一直被誉为车辆的“眼睛”。它能够通过发射激光束并接收反射信号,在极短的时间内构建出周围环境的高精度三维模型。在激光雷达的多种技术路线中,半固态激光雷达正逐渐取代传统的旋转机械式激光雷达,成为乘用车前装量产市场的主流选择。 从扫描原理看激光雷达的分类 激光雷达的工作原理是飞行时间法(ToF),即通过测量激光脉冲从发射到接触物体反射回来的时间差,来计算目标的距离。然而,单一的测距点无法构成完整的视觉,必须通过某种扫描机制让激光束覆盖整个视野。 ToF原理,图片源自:网络 根据这种扫描机制的差异,激光雷达
[汽车电子]
<font color='red'>自动驾驶</font>半固态<font color='red'>激光雷达</font>是如何工作的?
如何处理自动驾驶激光雷达点云畸变?
激光雷达作为自动驾驶系统中的核心感知传感器,通过发射激光脉冲并接收反射信号,能够实时构建出周围环境的高精度三维轮廓。激光雷达在获取环境信息的过程中,并不像高快门相机拍摄瞬间照片那样简单。像是旋转式激光雷达,每一帧完整点云的生成都需要经历一个持续的扫描周期,这一周期通常在一百毫秒左右。 在这漫长的一百毫秒内,自动驾驶汽车并不是静止不动的,它会处于持续的位移与旋转之中。这意味着,当激光雷达扫描这一圈的起始点时,车辆处于一个姿态,而当它旋转扫描到结束点时,车辆已经行驶到了另一个位置并可能发生了角度偏移。如果感知系统直接将这些在不同位姿下采集到的点绘制在同一坐标系中,就会导致严重的几何形变,这种现象在行业内被称为激光雷达的自运动畸变。
[汽车电子]
如何处理<font color='red'>自动驾驶</font><font color='red'>激光雷达</font>点云畸变?
自动驾驶传感器冗余设计:L3级车型中激光雷达与视觉的故障切换机制
在自动驾驶技术向L3级演进的关键阶段,传感器冗余设计成为保障行车安全的核心命题。L3级系统允许驾驶员在特定场景下脱离方向盘,但要求车辆在传感器失效时实现毫秒级故障切换,确保控制权无缝转移至备用系统。激光雷达与视觉传感器的融合架构,通过硬件冗余与算法协同,构建起 双保险 安全机制,成为当前主流技术路线。 一、L3级自动驾驶的冗余需求与传感器特性 L3级系统的核心特征是 有条件自动化 ,即在高速公路、城市快速路等限定场景下,车辆可自主完成加速、制动、转向等操作。这一特性对传感器提出双重挑战: 环境感知的全面性:需同时覆盖360°视野与150米以上探测距离,激光雷达的毫米级精度与摄像头的语义理解能力形成互补。 故障容限的严苛性:根据
[嵌入式]
自动驾驶激光雷达究竟是增加了成本,还是降低了算力?
随着纯视觉方案被越来越车企尝试,激光雷达(LiDAR)成为了自动驾驶中一个关键但又充满争议的部件。它因提供高精度的三维点云数据而成为追求高安全性、高可靠性的自动驾驶方案首选,但是它又常因“价格昂贵、结构复杂、算法难度高”等标签,被一些以成本为导向的玩家所质疑。最近有个小伙伴就在后台留言提问:有些人说采用激光雷达后,要做数据融合,会提高技术难度和价格成本。也有人说,激光雷达会处理很多场景,对车端和云端算力要求降低,可以降低技术难度和价格成本,请问这两种说法都成立还是相互冲突?今天智驾最前沿就围绕这个话题来详细聊一聊,也欢迎大家在留言区讨论自己的看法。如果大家还有什么想问的问题,也可以随时与小编沟通。 激光雷达的工作机理及
[汽车电子]
<font color='red'>自动驾驶</font>加<font color='red'>激光雷达</font>究竟是增加了成本,还是降低了算力?
机械、半固态、全固态激光雷达有何区别?谁更适合自动驾驶?
在自动驾驶技术的发展进程中,激光雷达作为关键传感器,对车辆准确感知周围环境起着举足轻重的作用。它通过发射激光束并接收反射光,实时构建周边物体的三维位置信息,为车辆决策和控制提供精准依据。当下,市场上主流的激光雷达可分为机械式、半固态和全固态三种类型,它们在技术原理、性能表现、成本及可靠性等方面存在显著差异,各自适用于不同的自动驾驶场景。 一、工作原理与技术特点 (一)机械式激光雷达 机械式激光雷达堪称激光雷达领域的 “元老”,是最早实现商业化应用的架构。其工作方式如同一个精密的旋转 “侦察兵”,主要依靠电机驱动旋转支架或包含多个反射棱镜的旋转圆盘。在旋转过程中,固定于支架上的多个激光发射器和接收器能够 360 度水平扫描周围环
[嵌入式]
自动驾驶中纯视觉替代不了激光雷达
随着 自动驾驶 技术的不断发展,纯视觉和 激光雷达 (LiDAR)两种主流环境感知成为了大家的热议话题。基于 摄像头 的“纯视觉”方案在成本、分辨率和语义理解方面取得显著优势,不少人设想“移除LiDAR,只用摄像头+ AI ”也能实现可靠感知。但现实远比想象复杂,为什么纯视觉难以完全替代LiDAR? 首先要知道,摄像头与LiDAR的工作原理截然不同。摄像头通过光学透镜和 图像传感器 获取二维彩色图像,记录场景的颜色、纹理和光照等信息。LiDAR则发射激光脉冲,测量光脉冲从发射到接收的飞行时间(Time-of-Flight),直接计算出与物体间的距离,生成高精度、三维结构的点云。二者获取的信息维度和性质也不同,摄像头擅长提取纹理
[汽车电子]
自动驾驶汽车的雷达和激光雷达应用分析
基于驶近城市十字路口(拐角处有4栋高层混凝土建筑)的一辆自动驾驶汽车的建模,可以对自动驾驶汽车看清拐角路况的情形进行仿真。另一辆车正从某方向靠近路口中心,尽管超出了自动驾驶汽车的视距,系统仍可通过处理多条路径反射回来或直接穿过建筑物返回的信号检测到该车辆。 要让自动驾驶汽车名副其实,需满足诸多要求,但毫无疑问,对环境的感知和了解最为关键。自动驾驶汽车必须跟踪并识别多个物体和目标,无论其清晰可见还是隐而不见,无论艳阳高照还是狂风暴雨。 光靠如今的雷达还远不足以实现这种效果,我们还需要摄像头和激光雷达,但若能充分利用雷达的特殊优势,也许至少可以省去部分辅助传感器。 诚然,立体模式下的传统摄像头可以检测物体、测量物体距离并估算物体速
[嵌入式]
<font color='red'>自动驾驶</font>汽车的雷达和<font color='red'>激光雷达</font>应用分析
成本远低于激光雷达,高阶自动驾驶的新帮手来了?
近期,自动驾驶整体解决方案供应商上海几何伙伴智能驾驶有限公司宣布完成新一轮战略融资,而这家企业从成立之初就选择以4D成像毫米波雷达为主传感器,结合其他感知系统开发L2~L4级别自动驾驶解决方案。    事实上,瞄准4D成像毫米波雷达的远不止这一家企业。2022年国际消费类电子产品展览会(CES)上,一众芯片企业如恩智浦、TI、Mobileye均推出或更新了自家成像雷达方案,毫米波雷达系统厂商Arbe、Zadar Labs等也纷纷带来各自的成像雷达产品。国内厂商方面,如大陆集团、安波福、华为等科技公司也纷纷推出4D毫米波雷达品类,一众新兴玩家如傲酷、苏州毫米波、安智杰等也相继在该领域着手布局。    4D成像毫米波雷达为何能成为自动
[汽车电子]
小广播
最新嵌入式文章
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

厂商技术中心

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

 
机器人开发圈

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2026 EEWORLD.com.cn, Inc. All rights reserved