自动驾驶入门技术（5）- 激光雷达

1、激光雷达基础解析

1.1 基本概念

1）激光雷达是一种向被测目标发射探测信号（激光束），然后测量反射或散射信号的到达时间、强弱程度等参数，以确定目标的距离、方位、运动状态及表面光学特性的雷达系统。
2）激光雷达因为激光波长短，准直性高，使得激光雷达性能优异：角分辨率和距离分辨率高、抗干扰能力强、能获得目标多种图像信息(深度、反射率等)、体积小、质量轻。

1.2 基本组件构成

激光雷达一般有发射模块、接收模块、扫描模块和控制模块四大部分购成；
1）发射模块：激光器、发射光学系统
2）接收模块：接收光学系统、光学滤光装置、光电探测器
3）扫描模块：改变激光束的空间投射方向，由电机、微型谐振镜、相控阵等形式实现；（Flash方案中不包含扫描模块）
4）控制模块：完成对激光发射模块、接收模块和扫描模块的控制，以及激光雷达数据的处理和外界系统的数据传输；

2、激光雷达分类

2.1 根据激光线束数量的多少进行分类

根据激光雷达线束数量的多少，激光雷达可分为单线束激光雷达和多线束激光雷达；单线束激光雷达即2D激光雷达；多线束激光雷达分为2.5D和3D激光雷达；
1）2D激光雷达
单线束激光雷达扫描一次只产生一条扫描线，其获得的数据为2D数据，只在平面上扫描，结构简单、测距速度快、系统稳定可靠。但二维激光雷达无法完成复杂路面地形环境，重建行驶环境时容易出现数据失真和虚报等现象。
2）2.5D激光雷达
2.5D激光雷达和3D激光雷达最大的区别在于激光雷达垂直视野的范围，前者垂直视野范围一般不超过10°，后者可达到30°甚至40°以上；
3）3D激光雷达
可以获得环境的深度信息，准确发现障碍物，构建可行驶区域，在丰富的点云数据上可获得包括车道、路沿等道路要素，还可获得非结构化道路的障碍物和可行驶区域，行驶环境中行人和车辆，交通信号灯和交通标志等其他丰富信息。

表1. 单线束和多线束激光雷达特点对比

2.2 按激光雷达内部有无旋转部件进行分类

按内部有无旋转部件，激光雷达可分为机械旋转式激光雷达、混合式车载激光雷达和固态激光雷达；

2.2.1 机械旋转式激光雷达
通过机械旋转实现激光扫描的车载激光雷达；激光发射部件在竖直方向上排布成激光光源线阵，并可通过透镜在竖直面内产生不同指向的激光光束；在步进电机的驱动下持续旋转，竖直面内的激光光束由“线”变成“面”，经旋转扫描形成多个激光“面”，从而实现探测区域内的3D扫描；
供应商代表：威力登（美国）
优点：拥有360°视场角，相对测量精度较高；
缺点：线束越高，体积越大；价格昂贵，旋转部件可靠性较低；

2.2.2 混合式激光雷达（MEMS）
将微机电系统（MEMS）与振镜结合形成MEMS振镜，通过振镜旋转完成激光扫描，其发射系统结构如下图所示，驱动电路驱动激光器产生激光脉冲同时驱动MEMS振镜旋转，激光在旋转振镜的反射下实现扫描，经发射光学单元准直后射出；

图1. MEMS激光雷达工作原理示意图

供应商代表：
国外供应商：Luminar 、 Innoviz 以及Infineon；国内：速腾聚创
优点：
1）MEMS微振镜相对成熟，可以以较低的成本和较高的准确度实现固态激光扫描（只有微小的微振镜振动），并且可以针对需要重点识别的物体进行重点扫描，落地快；
2）传感器可以动态调整自己的扫描模式，以此来聚焦特殊物体，采集更远更小物体的细节信息并对其进行识别；
缺点：
1）没有解决接收端问题，光路较复杂，依然存在微振镜的振动，此结构会影响整个激光雷达部件的寿命，并且激光扫描受微振镜面积限制，与其他技术路线在扫描范围上有一定的差距；
2）存在激光的反射，反射过程中激光会有较大损失，导致回波信噪比偏低。

2.2.3 固态激光雷达（OPA和Flash）
全固态车载激光雷达，完全取消了机械扫描结构，水平和垂直方向的激光扫描均通过电子方式实现；相比于仍保留有“微动”机械结构的MEMS激光来说，电子化更加彻底；
全固态激光雷达目前主要包括光学相控阵（OPA）车载激光雷达和面阵闪光型（Flash）车载激光雷达；
供应商代表：Quanergy ，ouster，Innoviz

相控阵（OPA）激光雷达：
1）相控激光发射器由若干发射接收单元组成的一个矩形阵列，通过改变阵列中不同单元发射光线的相位差，可以达到调节射出波角度和方向的目的；
2）激光光源经过光分束器后进入光波导阵列，在波导上通过外加控制的方式改变光波的相位，利用波导间的光波相位差来实现光束扫描，其原理类似于多缝干涉。
3）光波导阵列中的每根波导都相当于一个光发射源，每个光发射源都相当于多缝干涉中的狭缝。光在空间中传播并干涉，其结果是光在某一方向上因干涉加强而集中，在其他方向上因干涉相消而减弱，从而改变光束的传播方向，实现扫描。
优点：
1）结构简单，尺寸小；
2）标定简单 - 机械式激光雷达光学结构固定，适配不用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，降低了标定难度；
3）扫描速度快，扫描精度高 - 扫描速度取决于所有材料的电子光学特性；扫描精度取决于控制电信号的精度；
4）可控性好 - 光束指向完全由电信号控制，在允许角度范围内可以做到任意指向；
5）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
2）旁瓣问题 - 光栅衍射除了中央明纹外还会形成其他明纹，这会造成激光雷达在最大功率以外形成旁瓣，分散激光能量。
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大于500nm
4）接收面大、信噪比差 - 固态激光雷达需要一整个接收面，因此会引入较多的环境光噪声，增加了扫描解析的难度；

Flash激光雷达
1）采用类似相机的工作模式，感光元件与普通相机不同，每个像素点可以记录光子飞行时间信息；
2）Flash型属于非扫描式激光雷达，运行时直接发射出一大片覆盖探测区域的激光，随后由高灵敏度接收器阵列计算每个像素对应的距离信息，从而完成对周围环境的绘制；
优点：
Flash型激光束直接向各个方向漫射，只要一次快闪便能照亮整个场景，因此快速记录环境信息，避免了扫描过程中目标或激光雷达移动带来的运动畸变。
缺点：
1）Flash 技术已有商用，但是视场角受限，扫描速率较低；
2）其探测距离小，当探测目标距离过大时返回的光子数有限，导致探测精度降低，无法准确感知目标方位。

3、车载激光雷达关键参数

1）视场角，包括水平视野和垂直视野
2）分辨率，包括水平分辨率和垂直分辨率
a、水平方向上做到高分辨率其实不难，因为水平方向上是由电机带动的，所以水平分辨率可以做得很高。目前国内外激光雷达厂商的产品，水平分辨率为 0.1 度。
b、垂直分辨率是与发射器几何大小相关，也与其排布有关系，就是相邻两个发射器间隔做得越小，垂直分辨率也就会越小。
增大垂直分辨率的方法（针对机械式激光雷达）：
a、改变激光发射器和接收器的排布方式来实现：排得越密，垂直分辨率就可以做得很小。
b、通过多个 16 线激光雷达耦合的方式，在不增加单个激光雷达垂直分辨率的情况下同样可以达到整体减小垂直分辨率的效果。
3）测距范围
4）距离精度
5）刷新频率
6）扫描频率 - 1s内雷达进行了多少次扫描
7）激光波长 - 目前比较常见的是905nm和1550nm

4、车载激光雷达目标特性解读

激光雷达和摄像头在自动驾驶中的作用比较相似，从某种角度来说，激光雷达也可算是一种视觉传感器；但相比摄像头，其也具有其独特的优势：
1）完全排除光线的干扰
无论白天还是黑夜，无论是树影斑驳的林荫道，还是光线急剧变化的隧道出口，都不会对激光雷达产生干扰；
2）激光雷达可以轻易获取三维信息，而摄像头相对来说较为困难；
3）激光雷达的有效距离要远于摄像头
例子：目前的LKA功能一般要求在车速在60~70km/h以上才能正常工作，为什么？因为视觉在低速的时候取样点不足，拟合车道线准确度较低，而激光雷达的有效距离一般是视觉系统的4-5倍，有效的采样点比较多，车速较低时，车道线的检测准确度远高于视觉系统；
4）激光雷达可以解决近距离的横向视觉盲区问题；
5）车辆低速状态下，在目标物的识别和分类方面，激光雷达要优于摄像头；
6）点云转化需求算力较低；直接通过点云可进行密度较高的绘制，输出可以通行的空间，无需再进行二次转化；

5、车载激光雷应用面临的挑战及发展趋势

5.1 面临的挑战

1）高昂的成本几乎是车载激光雷达被大规模推广使用的最大障碍。
2）车规级量产困难 - 激光雷达要实现车规级量产，需满足性能、环境适应性、可靠性、产品一致性等多方面要求，且供应商需建立规范化、自动化的装配生产线。此外，车载激光雷达车规级的有效验证方式也尚未有定论。
3）气候环境影响车载激光雷达的探测光束，受大气吸收、散射、折射效应的影响。
a、智能驾驶汽车中的激光雷达一般安装在汽车顶部或嵌于车身四周，较低的安装高度使得大气中某些气体分子和悬浮粒子引起的回波缩减效应较大，从而造成激光雷达探测器的接收效果变差。
b、在雨、雾、冰雪等恶劣天气下，空中的悬浮物会对激光发射、反射以及检测等过程产生不良影响，造成激光雷达探测范围减小、检测精度降低。

5.2 发展趋势
1）固态激光雷达是应用趋势，既可降成本又符合车载需求。
2）车载激光雷达将日趋智能化
车载激光雷达可能将作为整个网络中的节点，不仅仅专属于智能车，还能合理应答网络终端命令调整自身工作模式，从而实现软硬件解耦，更加高效灵活地完成感知任务；
3）多传感器数据融合
多传感器冗余配置和信息融合将突破单一传感器的局限性，发挥多传感器的联合优势，提高系统可靠性和鲁棒性，扩展系统的时间和空间覆盖率，更加准确和全面地感知环境。
4）车载激光雷达算法优化和封装
智能驾驶场景的复杂化和多样性造成了激光雷达应用算法的多元性和特异性，为了便于移植、提高开发效率，对典型算法进行优化和封装，将其作为成熟的模块提供给研发者调用是当下亟待解决的问题。

注：文章首发于公众号“筋斗云与自动驾驶”，扫描下方二维码关注公众号并在主页面点击左下角“福利”，有40余篇自动驾驶与EE架构相关国外参考技术文献赠送。