自动驾驶传感器：传感的本质

附赠自动驾驶学习资料和量产经验：链接

0. 前言

这个系列的背景是：工作时候需要攒一台数据采集车辆，那段时间需要熟悉感知硬件，写了不少笔记，都是些冗长的文章，感兴趣的收藏起来慢慢看。写的太多不保证准确性，发现硬性错误可以评论、私信。

文章目的是对自动驾驶车辆感知层的硬件进行介绍和分析。我希望能够从更本质的层面去将所有的自动驾驶传感器串联起来，从物理角度对传感器形成更加系统性的认识。

文章会尽力避免陷入“罗列传感器种类、品牌、参数、技术路线、优缺点” 的风格，而会专注于真正 “理解” 传感器，认识传感器所具备“优点”“缺点”背后的原理。

本文基于2022Q1的硬件产研情况，随着时间推移业界也会有新的进展，因此一些结论会随时间而变化。

另外，全文较长，可以跳跃看。涉及到的知识面比比较发散，但限于自身水平，并不会深入。一些概念可借助wikipedia、百度百科理解。

另外，我将本文的Radar和Lidar原理单独拆分出了两篇文章，便于精读和进行公式推导，这篇文章可以泛读。

1. 传感器的物理特性

1.1 汽车传感器的共同点

我们可能听了无数次，用于自动驾驶系统的传感器有：超声雷达、毫米波雷达、激光雷达、相机(可包含红外相机)，同时GNSS-RTK模块、V2X通信也都可以视为特殊的传感器。

也无数次听到别人这些传感器的特性介绍：什么激光雷达精度高、毫米波雷达穿透性好、照相机能提供语义信息 bla bla bla。那么问题来了：这些传感器的共同点是什么？或者说，这些传感器依靠何种方式来传递信息？造成这些传感器性能差异的原因又是什么？

奥迪A8的传感器布置

统一答案是：振动的传播——波的特性，这就是上述传感器的物理学本质。除了超声雷达依靠的是空气介质中机械波的传递，余下的传感器都是依靠电磁震荡产生的**电磁辐射（电磁波）**来传递信息。那么，我们先来复习一下电磁波。

1.2 传递信息的电磁波

电磁波(Electromagnetic wave) 是由同相且互相垂直的电场与磁场在空间中衍生发射的振荡粒子波，是以波动的形式传播的电磁场。其传播方向垂直于电场与磁场构成的平面。电磁波在真空中速率固定（光速不变原理，By Einstein，1905）。电磁波具有波粒二象性，其粒子形态称为光子——百度百科

1820年，丹麦科学家奥斯特发现了：随时间变化的电流能够产生变化的磁场；1832年，英国科学家法拉第又发现：变化的磁场又能够产生变化的电场。那么，人们自然联想到，电生磁-磁生电的过程可否循环交替进行呢？1865年，**麦克斯韦预言了这种电磁波的存在；**最终由德国科学家赫兹在1888年证明其存在。（从此Maxwell能够位列仙班，与牛爵爷同属人类历史第一梯队的物理学家）

而电磁波产生的原理，正如同人们所猜想的那样：电生磁-磁生电，并沿着垂直于电磁和磁场构成平面的方向传播。如此优秀的特性几乎是为了传递信息而设。

电磁波的定义

电磁波的频谱中包含了频率从低到高的电磁辐射，有长波(<300kHz)、短波（3-30MHz）、微波（300MHz-300GHz）、红外线（0.3THz～380THz）、可见光(380~750THz)、紫外线、X射线、γ射线（>10^18Hz，现有理论只能支撑大于“普朗克长度”的波长）。

电磁波频谱，可见光只占很小的部分

这也就意味着，美军用于与万公里外海底潜艇通信的76Hz 长波雷达，拍摄胸片的高频X光，以及人眼所及的可见光本质上都是电磁波，其物质体现都是光子，区别仅是 波长或频率。

长波雷达、可见光、与X光片

回顾高中知识，波长，其中 c 是光速，f 为频率。这也就意味着频率越高，电磁波的波长越短，在环境传播中产生的衍射也也更少。如此会带来三个结果：

波的传播越趋于直线，其误差更小，定位相对精确；
电磁波更容易被物体阻挡，环境中的传播距离更短；
频率更高，传输信息的效率也越高，包含能量也越高。

一个非常直观的例子就是，5G比4G传输效率更高，但需要建设更多的基站，单体基站的能耗也更高。以上三个结果基本可以解释所有传感器的差异。

1.3 车用传感器波长的选择

电磁波自第二次工业革命来，就被广泛的应用于信息的传输与接收。不例外的是，自动驾驶所用的传感器同样是利用了电磁波，其不同点在于收发电磁波的工作频段不同。

那么，在作为信号载体的电磁波波长范围应当如何选择? 先从需求端出发：自动驾驶车辆需要对 ~300m内的环境要素进行感知，关键的 ROI 感知分辨率应当达到厘米级。其次，车辆本身的定位精度也需要达到厘米级。

对于电磁波，波长越长，其探测精度和分辨率也就越低。而且，物理天线的大小同电磁波的波长成正比（一般为λ / 4）。我们更不能指望自动驾驶汽车扛着一个好几米的传感器前进。因此，波长的下限也就基本被限制在毫米波。

当然，频率的上限也不能一直提高，根据电磁波的能量公式：，紫外波段之后的电磁波对人体的伤害会大幅提高，制造成本也会大幅提高。且制约于**扫描技术（机械扫描、电子扫描）**的短板，目前的技术水平并不能发挥其物理极限。

而且，更短的波长使其更容易被大气中的悬浮物阻挡，探测距离变得更短。这一点在激光雷达、相机上已经有所体现，微米级的PM2.5浮尘、雾天的水汽足以阻挡波长数百纳米的可见光和红外激光。相对地，毫米波则可以轻松绕开这些障碍。这也就是“相机、激光雷达在恶劣天气无法工作” 的本质原因，不以技术提高为转移。

局座：雾霾可以抵挡激光武器

可以说：并非自动驾驶汽车主动选择了毫米波雷达、激光雷达、相机等传感器。而是汽车的感知需求与电磁波的物理特性，使得这些选择成为了必然。

接下来就可以分别讨论自动驾驶用到的各种传感器。

参考资料：
Electromagnetic radiation - Wikipedia电磁波_百度百科 (baidu.com)James Clerk Maxwell - WikipediaSelf-driving car - Wikipedia普朗克长度_百度百科 (baidu.com)

2. 毫米波雷达 Millimeter Wave Radar原理

Radar是 Radio detection and ranging 的简称，即**“无线电探测和测距”。常用车规级雷达频率为24GHz和77GHz，对应的波长为12mm、4mm**。为什么采用这两种频率，而不采用其他频率的毫米波？别瞎想，这不是因为什么特别的技术原因，纯粹就是因为频谱资源不够用。

电磁波的每一个频段都会按照规定，分配给特定的设备 or 行业，以防止设备信号之间的相互干扰。这个分配工作是由国际电信联盟_百度百科 (baidu.com)来制定。目前的频段分配十分的紧张，联想一下前几年各国对5G频段的争抢，就不难理解。而24GHZ和77GHz就是国际电信联盟专门划分给车用雷达的频段。

毫米波雷达技术已经相对成熟，特别在军事层面。当前制约车规级毫米波雷达的，主要是性能与体积、成本之间的平衡。

2.1 雷达基础原理

雷达的原理非常朴素易懂：对目标发射电磁波 > 接收反射回波信号 > 测量回波的时间、相位等信号 > 解算目标的距离、速度、角度信息。其衡量指标无非就是量程和分辨率。

雷达原理

2.1.1 天线

根据电磁波的产生机理，雷达首先需要一个能够产生高频交变电流的装置，这部分用到压控震荡装置（VCO，voltage-controlled oscillator），输出的震荡频率会随着输入电压而改变（简单类比、回想大学《数字电路》中的555震荡电路）

然后利用发射天线将高频电流转化为向空间发射的电磁波。接收天线与发射天线是互逆的，天线同样可以将空间中的电磁波转化为交变的电信号。

天线产生电磁波的原理

2.1.2 距离测量：脉冲与FMCW

脉冲雷达

距离测量的方式很容易想到，雷达发射一个脉冲，测量脉冲信号从发射到返回的“飞行时间Time of Flight”即可得到。

调频连续波

当然，实际上车用雷达并不用这种方式，而是采用 “调频连续波FMCW——Frequency Modulated Continuous Wave”。雷达发射的频率呈线性变化，其回波信号也呈线性变化，通过测量当前发射频率与接受频率之差，可得到探测物体的距离，具体的公式推导后面会给到。

连续调频脉冲测距原理

2.1.3 速度测量：多普勒效应

雷达速度测量基于多普勒原理（Christian Johann Doppler，Austria，1842）。简而言之：观测者向着波源运动时，波被压缩，观测到的频率变高；观测者背离博源运动时，波被拉长，观测到的频率变低。

多普勒原理

速度引起的频率偏移是：，依据频率偏移即可计算出目标的相对运动速度。

2.1.4 角度测量：大锅盖 vs MIMO

衡量角度测量的一个重要指标是角分辨率，即两个最小可辨目标之间张角的大小。例如，雷达横向角分辨率为1°，则代表在100m范围内，雷达的“像素”大小为1.74m。如果这时有相邻的两个0.5m的目标，雷达是无法识别的。

自动驾驶要求尽可能高的角分辨率，该怎么办？一个简单的想法是，让发射的电磁波波束尽可能窄，方向性高。此时雷达地角分辨率就是电磁波的波束宽度，配合扫描机构即可实现一定范围内的视场角。激光雷达就是这个原理。

然而，这对于普通雷达是极为困难的。一个简单的点源天线的辐射波形，是趋近于球面波的，我们需要对天线进行设计，才能使其波瓣宽度减小（天线增益大，传播距离也远）。一般天线的波束宽度为： θ≈λ� ，其中D为天线口径。**天线物理尺寸越大，雷达波束指向性才越强。**且天线是无法达到如激光一样高度一致的方向性的。（激光原理文章后面会提到）。

定向天线辐射示意图，孔径越大，方向性越好

汽车显然不可能顶着一个大锅盖扫描雷达行驶。事实上，车用雷达往往采用的都是贴片天线（CMOS技术），其成本更低、体积更小，其波束宽度基本都在30-60°之间。通过限制波束宽度来测角的方案，自然破产了。

“大锅盖”机械扫描雷达

车用雷达的贴片天线与波束宽度

那么，如何通过有限的设备获得较高的角分辨率？工程上最朴素的想法就是，采用多套设备换个位置多测几次，然后通过接收信号的差异解算角度（解算过程在后面）。这也就是MIMO（Multi-input Multi output）技术的核心思想，结合了MIMO + FMCW的雷达也是车用毫米被雷达的最主流的方案。

2.2 FMCW 汽车雷达的原理

此部分内容涉及理论+公式推导，主要来源为TI手册，不感兴趣可以不看。

基础概念：

射频 Radio Frequency——负责接收及发射高频信号

中频 Intermediate Frequency——射频与基频的桥梁，使信号由高频信号转成基频

基带 Baseband——负责信号处理及储存等功能

2.2.1 调频连续波的测距原理

如前面所言，雷达发射的调频信号的频率在其持续时间Tc内呈线性关系。其主要参数有：信号带宽B、斜率S、持续时间Tc。

· 目标的距离解算

连续调频脉冲测距原理

那么，雷达发射信号与回波信号进行混频，得到其差值，就是一个**特定频率中频信号IF。**该信号的频率与目标距离成正比。将该IF信号由ADC模块采样后转换成数字信号，即可解算获得距离信息。

· 多个目标的检测

如视场内有多个目标，接收器会接收到多个反射波，中频信号IF则是由多个正弦波叠加而成。此时的做法也很简单，只要对该叠加的IF进行傅里叶变换，从信号的频谱即可得到多个频率峰值，进而计算多个目标的距离。

接收到的多个中频信号

· 探测距离范围

制约探测距离的因素主要是ADC采样频率。根据奈奎斯特采样定理： “在AD转换过程中，采样频率大于信号中最高频率2倍时，采样后的数字信号完整地保留了原始信号中的信息（一般用2.56～4倍）”。也因此，中频信号 �� 的上限，也就是可探测距离的上限，主要受ADC硬件的限制。

**注意：该探测距离是雷达的理论值。**实际工作中，探测距离会受到设备输出功率、天线增益、目标雷达横截面等参数影响。从式（3）还可看出，调频波持续时间越短，相应的探测距离变小，但探测的周期也会缩短。

Fourier变换原理，by Heinrich(知乎)

· 距离分辨率

距离分辨率是雷达辨别多个物体的能力，当两个物体靠近到一定程度，雷达就无法识别出这是两个物体。体现在雷达信号上，就是两个中频信号的频率相差很小，傅里叶变换无法将两个频率的峰值区分开。

“融合”与“可识别”的峰值

2.2.2 测速原理

测速利用的相位差

目标的速度解算

当雷达视场内速度不同的多个物体与雷达的距离相同时候，前面提到的双线性调频脉冲就失效了。FFT的相位谱的峰值混合叠加了多个物体的信号，无法分辨。

比如，当前有两个同位置的物体。此时，雷达需要发射一组N个（N>2）、等间隔的线性调频脉冲，称之为脉冲帧。

脉冲帧

在一个脉冲帧内的数据，可以产生N个频域相同的峰值，但N个峰值的相位却不同，叠加了两个物体的相位成分（下图的红色、蓝色箭头）。

那么如何将**“叠加的相位”** 拆开？对N个相位数据再做一次FFT。

相位数据的FFT结果，区分两个物体的相位

2.2.3 测角原理

目标的角度解算

前面说过，车用雷达测角需要两个以上的RX天线，单发单收是无法实现角度估计的。其原理是：物体与两个天线的距离差会导致FFT峰值的相位变化。

两个天线

平面波假设

2.3 MIMO技术

2.3.2 MIMO技术的应用

那么，看起来就剩下一条路可走：**增大采样通道数量，也就是多输入多输出（MIMO）雷达。**MIMO雷达拥有多个发射天线TX 和多个接收天线RX，用户即可生成一个 N = nTX × nRX的虚拟天线阵列。

MIMO技术的应用

增加接收天线RX

以单发4收为例，此时N = 4。后面的每一个天线相对于前面一个，多了一个相移ω，呈线性增加。通过对N个天线的信号进行采样，可以形成相位信号序列的FFT。接收天线越多，角度的峰值就越尖锐，ω的分辨率越高。

角度分辨率随RX增多而提升

应用MIMO雷达技术，可以倍增虚拟天线的数量，相应地也提高了角度分辨力。MIMO 雷达的原理，可以扩展到多维阵列。

增加接收天线RX

每增加一个RX天线，都要配备独立的RX处理链(各配有一个LNA、混合器、IF滤波器和ADC)，显然一直增多RX天线并非好的做法，增加发射天线是更高效的方式。M个天线发射相互正交的信号，多波形信号在空间保持独立。N个接收天线采用M个匹配滤波器对回波进行匹配，从而可以得到M*N个通道的回波数据。

多个TX

相应地，RX天线上接收TX2发射信号的相位为[4ω 5ω 6ω 7ω]。2发4收的雷达通道数N = 8，与单发8收的雷达等效。

当然，由于不同TX发射的信号为正交信号，因此无法像相控阵雷达那样，通过波束形成在空间功率合成，单个发射波束的主瓣增益将降低1/M。

2.4 电扫描：相控阵技术

2.4.1 相控阵原理：电磁波的干涉

对军事感兴趣的应该常听一个概念**“相控阵雷达”（Phased Array Radar，PAR）**。所谓相控阵雷达，同样用到了多个单元，类似昆虫的复眼，每个单元都可以单独收发电磁波。

军用相控阵雷达

当这些独立的单元同时向外发射电磁波时，就会发生干涉现象。使得某一方向的电磁波加强，或使得某一方向的电磁波相互抵消。所谓“相控阵”，就是对每一个发射单元的相位进行控制，使发射波在空间进行功率合成，从而形成特定方向的电磁波。

通过改变发射阵列中的相位，生成的波束即可对空间扫描，而不需要旋转雷达本体。此时，雷达的视场（FOV）就与天线的波束宽度没有直接关系了。

相控阵原理：波的干涉

2.4.1 PAR与MIMO的区别

虽然同是基于多天线阵元结构的雷达系统，相控阵与MIMO是有明显区别的。首先相控阵的阵元间距通常是波长量级的，为了防止出现栅瓣，通常间距设置为 �/2 。通过调节移相器，可以获得预期方向的窄波束。

而MIMO雷达的天线发射阵元间距并没未特别限定，可以是密集或稀疏的，更大的区别是MIMO是发射正交波形，且可以自由选择波形。其合成发射方向图的可控自由度远大于相控阵雷达。这种波形的分散、集合，使得MIMO雷达比一般相控阵雷达具有更好的性能。

MIMO雷达通过采用稀疏布阵，可得到最大的连续虚拟孔径，提高空域分辨率，在测角方面具有较强的优势。

也因此，事实上车用雷达一般多采用FMCW+ MIMO技术，很少采用PAR。

2.5 Radar的尴尬现状

毫米波雷达能够作为主流的自动驾驶传感器之一，具备了两个不可替代性：

1. 相比LiDAR，Camera，毫米波雷达具有可以测量目标的相对速度。（实际上激光雷达也可以办到，但车用LiDAR侧重并不在此）

2. 恶劣天气中，Radar是唯一能够有效感知环境的传感器。

但当前，毫米波雷达仍然面临比较尴尬的现状。2021年7月，Tesla在最新的 FSD Beta V9中取消了毫米波雷达，仅采用视觉+超声的感知方案。毫米波雷达价格谈不上昂贵，Tesla出于降本的动机应该不大。

主要是因为，毫米波雷达在实际应用层面存在一些问题，当前主流车用毫米波雷达没有高程信息。以TI的AWR1843为例，其天线设计为3发4收，布置在水平面上。

德州仪器 AWR1843

所有高度的物体反射波都被投影到了垂直平面。这意味着：如果前方有一个路牌or 龙门架，毫米波雷达会反馈前方有障碍物，但并不能确定“障碍”是在空中还是在路面。

如此一来，**关于静态物体的探测结果的可置信度就大大降低。**因此，实际应用中，**工程师往往将毫米波雷达检测到的静态目标进行滤波，只保留动态目标的追踪结果，**这也就是盛传的“毫米波无法检测静态物体”说法的来源。其实不是不能检测，而是由于高程的不确定而舍弃掉了。

这就带来一个很大的隐患，如Tesla在山景城、嘉义市的事故，都是撞上了白色的集装箱车辆。首先，毫米波雷达必定检测到了前方的静态障碍，但被系统过滤掉了。对着白色的集装箱，Camera又无法获得足够的特征对其进行识别，Tesla又没有LiDAR能够探测距离，于是——卒。

Tesla的事故

一些做自动驾驶决策的工程师表示，目前的毫米波雷达数据的确非常难以融合，信息量相对较少，数据质量还往往不高，颇似鸡肋。

Masking by Moving: Learning Distraction-Free Radar Odometry from Pose Information - YouTube

2.6 4D 毫米波雷达

2.6.1 4D毫米波雷达原理

毫米波雷达难用的一大重要原因就是：不具备高程信息。人们自然联想到：**在垂直方向上也布置收发天线，给它加上高程信息不就行了？**如此一来，路面的静态物体就不会被漏掉了。但其难点在于，天线在垂直与水平方向天线紧密排布会相互产生严重的信号干扰。

水平+垂直方向的收发，From Arbe Phoenix

自然也有厂商做出了这方面的努力，开发了**4D FMCW MIMO High Resolution Radar，即所谓的“4D毫米波雷达”。**4D指的是3D的坐标信息+速度信息。Conti（ARS540），TI，华为，以色列的Vayyar，Arbe等公司都发布了4D毫米波雷达产品。其原理不外乎采用MIMO继续增多收发天线的阵列。

比如华为在2021年发布了12TX，24RX的4D成像雷达（未量产）。业界跳的比较欢的，当属Arbe的旗舰产品Phoenix，具备了48发，48收，一共2300个信道，性能远超一般的3发4收的现行产品。Arbe宣称其产品具备：1°的横向角分辨率和2°的纵向角分辨率，100°的水平视角和30°的垂直视角，2K点云，其成本能控制在150USD以内。

Arbe 4D毫米波雷达技术参数

下方是Arbe于2020年底给出的产品测试Demo。

Arbe: Radar Revolution. Delivered. - YouTube

从视频中可以发现，尽管其3D点云和仍然很难称之为“密集”，但已经可以对行人、车辆做出追踪；对垂直方向上的龙门架、立交路面做出精确判断。其数据与Camera，LiDAR的可融合性大大提升。

Arbe甚至吹嘘其产品可以挤占激光雷达的市场，吹牛博眼球的成分较大。**由于雷达的发射原理，以及毫米波物理极限的限制，**4D毫米波雷达不大可能形成足够密集的点云，其信息丰富度不足以独立支撑自动驾驶车辆。

更何况，基于FMCW技术的4D激光雷达目前也在研发中，其同样能够提供速度数据，文章的后面会提到。同样如果能够成功的话，也会挤占毫米波雷达的生存空间。

另一家以色列的公司RFIsee，则开发出了基于相控阵技术的4D雷达。

RFISee Radar Output 2 1 - YouTube

2.6.2 2022.07.26 长安深蓝SL03 森斯泰克

2022.07.25日，长安深蓝发布的第一款增程混动车型SL03是中国第一款搭载4D毫米波雷达的车型，供应商为国内厂家森思泰克，其可在水平120°、纵向30°的视场中提供1.2°水平 x 2.5°纵向的角分辨率，即一帧包含1200个点。

长安深蓝SL03

森思泰克4D成像雷达效果

对毫米波雷达的讨论篇幅极长，但这是有必要的。其中，对FMCW、多普勒效应、MIMO、相控阵的原理解释，也有助于理解后续的内容。

疑问：

A. 雷达天线应当如何设计才能减小波瓣宽度，是否有简单通俗的举例？

B. 思考：脉冲毫米波雷达因为何种原因存在盲区、模糊？为何FMCW的激光雷达不存在盲区？

（原因：1、方向分辨率差异；2、脉冲重复频率（PRF））

3. 激光雷达 LiDAR原理

激光雷达Lidar 是Light detection and ranging的简称，即**“激光探测和测距”**，其工作模式同样是 **发射-反射-接收-计算，**当然各个环节上同Radar的实现方式不大一样。

几年前第一次听到 “激光雷达” 的概念时候，我的第一印象并非极富科技感的3D点云，而是想起小时候被人用激光电棒晃眼睛的恐惧，进而联想到汽车顶着一个大号激光电筒把我晃瞎的情形。事实上，车用LiDAR的激光波长属于处于人眼看不到的红外线波段。（但这也不代表红外线对人类眼睛无害，尤其是接近可见光的905nm激光，需要对其功率做出限制）

LiDAR点云

***注：**对于激光雷达的介绍，太多文章互相抄来抄去，而对于底层的原理分析并不透彻。并且总是从投资者的角度出发，过多关注企业的经营状况和投资意见。而作为自动驾驶的从业者，追踪厂家的产销情况是没有多少意义的，这些信息总会随着时间流逝而不断变化。我们只需要知道当前激光雷达工作的最基本的原理：

原子的受激辐射原理；（根本的物理学原理）
EEL、VSCEL、光纤激光器的原理；（激光发生器件的基础原理）
PD、APD、SPAD、SiPM原理；（激光接受器件的基础原理）
机械式、棱镜、转镜、MEMS、OPA相控阵、FLASH；（让激光完成扫描的原理）
ToF、FMCW的测距原理；（激光测距的原理）

所谓市面上的激光雷达，无非就是以上技术原理的排列组合而已。熟悉于原理才能一眼看透背后的本质，后面也就不会迷失在一些报告的胡吹乱侃中。

激光雷达的可行技术路线

3.1 LiDAR的基础物理学原理

3.1.1 原子能级与自发辐射

前面提到，雷达发射的电磁波，本质上是由交变电流转化而来。而到了光波，人类目前并没有能力制造数百THz的交变电流从而产生电磁波，此时就需要借助原子来产生光波。

再次将视角切回高中，丹麦物理学家玻尔提出了原子的能级结构：即原子只能处于一系列不连续的能量状态中，而不能处于中间的状态，原子不同能量状态对应于电子不同的运行轨道（1s 2s 2p 3s 3p 3d …）。

光子、电子轰击、外部加热等作用下，原子会从低能级跃迁到高能级（激发态），而激发态原子又会自发的向更稳定的低能级跃迁，此时能量会以光子的形式发射出来。在此过程中，不同原子产生的自发辐射光在频率、相位、偏振方向及传播方向都有一定的任意性，我们称之为自发辐射（spontaneous emission）。

这其实就是我们日常生活中白炽灯、节能灯管、LED灯的发光原理。例如节能灯管就是电子轰击汞原子，汞原子产生紫外线，紫外线照射荧光物质最终产生可见光。

汞原子能级

3.1.2 受激辐射与激光

还另一种更有规律的辐射方式：受激辐射（Stimulated emission）。当激发态原子处在外来电磁辐射场的作用下，而这个外来光子的能量恰好又是原子两能级的能量差。这个时候，会引起类似“雪崩”的效应，众多激发态原子发出的光子的频率、相位、传播方向、偏振状态与外来光子完全相同。

此理论由爱因斯坦在1917年在《关于辐射的量子理论》中发表。

激光就是 Light Amplification by Stimulated Emission of Radiation （受激辐射光扩大）的简称。而后受激辐射会经过一个谐振腔。基础的谐振腔由两片平行的反射镜构成，一片为全反射，另一片部分反射。那么，其结果是：方向不沿轴线的激光会被滤除，而沿轴线的激光则会被加强。向外输出的就是 波长一致、方向一致、波束极窄的光——激光。

谐振腔原理

这种一致性是极其宝贵和罕见的，普通雷达天线发射的电磁波无论如何都做不到在方向上的高度一致。而激光具备的方向性和波束宽度，使激光雷达的角分辨率可以暴打其他传感方式。

3.1.3 激光器件的种类

至于车用激光器的种类，大概有以下三种：

边缘发射激光器（Edge Emitting Laser，EEL ）：

发射功率大，"纺锤状"光斑。

**2. 垂直腔表面发射激光器（Cavity Surface Emitting Laser，VCSEL ）：**发射光束窄且圆，**易于实现芯片上的大规模阵列（十分重要）。**缺点：当前器件功率略低，探测距离短。单轴转镜雷达以及Flash激光雷达都会采用VCSEL，这将会是未来的主要方向。

比如，Iphone搭载了VCSEL激光雷达，Face ID即基于激光雷达的人脸扫描识别。2022新上市的禾赛AT128同样采用了128个集成的VCSEL激光器。

3. 光纤激光器

EEL vs VCSEL

905nm激光与1550nm激光

激光的波长很大程度上与激光器自身的物理性质相关（还与环境温度等参数相关）。比如，硅激光器中心频率为905nm，磷化铟激光器中心频率为1550nm。

显然，相对于905nm激光，1550nm激光的绕行能力相对好一点，对空气中的尘埃颗粒有一定克制作用。远离了可见光范围，其激光器的功率也能做的更大一些，探测距离也相对更长，可达到500m。1550nm激光雷达是一个大的趋势，不过磷化铟激光器和砷化镓APD也比硅激光器更贵些，不过这并不是什么大问题。

水对于1550nm激光的吸收作用非常强，对人眼伤害小也是因为在到达视网膜前被眼球中的水分吸收了。因此雨天里1550nm的激光雷达受影响较大。

REF：
Vertical-cavity surface-emitting laser - WikipediaLaser diode - Wikipedia

3.1.4 激光接收器件原理

光电二极管

那么问题又来了：**激光又应该如何感知呢？**前面提到Radar的接收器利用了天线的互逆性质，将电磁波转化为同频率的交变电流信号。然而，该方法对激光是无法实现的。我们需要新的方法转换激光信息：光电效应。

在高于某特定频率的电磁波（该频率称为极限频率Threshold frequency）照射下，某些物质内部的电子吸收能量后逸出而形成电流，即光生电。

光电现象由德国物理学家赫兹于1887年发现，而正确的解释由爱因斯坦提出，闭环了属于是，爱因斯坦也因此于1922年获得诺贝尔奖。

又是我！

光电二极管在设计和制作时尽量使PN结的面积相对较大，以便接收入射光。光电二极管是在反向电压作用下工作的，有光照时，反向电流迅速增大到几十微安，称为光电流。光的强度越大，反向电流也越大。光的变化引起光电二极管电流变化，这就可以把光信号转换成电信号，成为光电传感器件。

其响应度可以定义为给定波长下，产生的光电流(I)和入射光功率§之比： �(�)=�� （26）

对入射功率的线性响应，可以为后续的AMCW测距提供良好保障。

硅光电二极管

具体到激光雷达，一般采用的器件是雪崩光电二极管（APD）、单光子雪崩二极管（SPAD）、硅光电倍增管**（SiPM），**器件具体的原理参考WIKIPEDIA，本文不做详细阐述。

激光的混频与干涉

光电二极管能够探测到的信息有：激光的有/ 无，强/ 弱。如需测量激光的频率和相位等信息，则需要激光干涉仪以或者光谱仪。这在激光雷达上是不现实的。因此，实际上FMCW激光雷达会采用间接测量的方式，通过入射-接收激光混频的方式的到频率、相位信息。

Ref：
Photoelectric effect - WikipediaPhotodiode - WikipediaAvalanche photodiode - Wikipedia

3.2 车用激光雷达需求

在自动驾驶行业，车载激光雷达的应用场景主要是自动驾驶开发验证、Robotaxi、高精地图采集、以及量产车型的感知模块。其中，尤以量产项目能够带来大量的订单，为厂商创造大量利润。而量产车型的激光雷达，其要求同样也是最为苛刻的：汽车作为“用户”，到底想要什么样的激光雷达：

要求	说明
成本可控	作为汽车的零部件，其成本不能太高，至少控制在几百美元内；
体积小	体积不能太大，便于在车身上的布置；
测量距离可达200m以上	自动驾驶合理的探测范围需求；
精度可达厘米级	同上；
测量响应快，时间短	只有单点探测速度足够快，才能形成足够密的点云
对人眼安全（硬性）	法规硬性要求，激光能量不能过高，否则对人眼产生伤害；
满足车规级要求（硬性）	满足车规级的13000小时的工作寿命需求，以及-40-85°C的工作温度要求，需要可靠性极高；

激光雷达的需求

可见，激光雷达需求的维度是比较高的，事实上同时达成这些需求也非常困难。带着这些需求，去讨论现有的LiDAR的方案，这样就不会迷失在罗列参数、优缺点的陷阱中。

3.3 激光雷达的测距方案

激光雷达的方案分为两种：**“测距方案”与“扫描方案”，**两者有一定的关联性，但却是不同的概念，不能混淆。因此分开讨论。

3.2.2 TOF测距法：时间测量

3.2.3 三角测距：Camera传感

激光发射器发射激光，打在物体上的反射光被CMOS或CCD传感器捕获，传感器可以是线阵相机or面阵相机。采集到的光斑图像，可以利用灰度质心法可求得sub-pixel级别的分辨力。（双目视觉其实也可归结为是三角测距）

三角测距原理：斜射式

三角测距优点：

近距离下的探测精度很高
CCD传感器的成本要比TOF的雪崩光电二极管（APD）、硅光电倍增管（SiPM）要低很多，是最便宜的激光测距方案。

但其缺点也很明显：

鉴于其特点，三角测距在室内近距离测距场景下比较常用，比如扫地机器人。在自动驾驶领域基本被弃用。

3.2.4 AMCW测距：相位测量（iToF）

AMCW即连续波强度调制（Amplitude modulated continuous wawe）。通过调整激光器的输入功率（电流），调整发射光强度，从而对发射激光的振幅进行周期性的调制。通过求解发射波与接受波之间的相位差来反推ToF，因此这种方案也被称为iToF（indirect ToF）。注意：该“相位”指的是周期性调整激光振幅的相位，也就是控制激光的交变电流的相位，而非激光本身的相位。

AMCW测距法

由于测量振幅相位比直接测量ToF更加容易，AMCW测距方式精度更高，主流的激光测距仪，其原理就是AMCW测距。显然，根据傅里叶变换原理，对激光振幅相位的采集需要一定的采样时间，其测距速度相较ToF会慢一个数量级。若用机械扫描的方式，其帧率会极慢。

恰好，AMCW测距比较方便实现固态**Flash LiDAR，（为什么适合后面会讲到）。**但问题又来了，AMCW由于发射连续光波。其功率很大，对人眼存在很大的安全隐患，较难通过车规认证。

其实，深度相机同样广泛采用AMCW测距，其将近红外（NIR）频谱中的调制光投射到场景中，并记录光线的返回时间，生成一组深度图。

3.2.5 FMCW测距法

厂商：Aeva、Mobileye & Intel、Blackmore、光勺、洛微等

激光FMCW的测距原理同第二章FMCW Radar的测距原理完全相同，在此不做叙述。

其优点在于：

FMCW的精度可以达到毫米级；
利用多普勒效应可以解算目标的速度信息；
FMCW信噪比极高，具有极强的抗干扰能力；
平均功率很小（比现行ToF更小），对人眼安全；
探测距离远，可达600m；
易与光学相控阵OPA结合，实现纯固态激光雷达（后面会叙述）

其缺点在于：

对激光的线性调频、光学混频技术比毫米波困难许多，即便研发完成，也是成本最高的方案。
FMCW的单次测距需要20us，点云形成速率为：50000point/ s，**点云密度先天不足（方案硬伤）。**相比之下，TOF仅需要不到2us即可完成测量。

3.2.6 测距方案的讨论

汇总四种测距方法的特性，结果很明显，**当前能通过市场考验的也只有TOF。**三角测距、FMCW都存在硬伤，未来很难有大的发展。**而FMCW具有很大的潜力，**是当前的业界的研究热点。

方法	成本	速度	量程	寿命	安全	精度	体积	备注
TOF	✔中	✔最快	✔较大	✔	✔	✔中等	✔	当前主流方案
三角	✔最低	✔最快	❌最小	✔	✔	❌差	✔	远处精度太差
AMCW	✔较低	❌较慢	✔较大	✔	❌	✔高	✔	很难满足安全
FMCW	❌最高	❌较慢	✔最大	✔	✔最好	✔高	✔	未来方向之一

Ref：
相干探测_百度百科 (baidu.com)激光接收系统_百度百科 (baidu.com)光学混频_百度百科 (baidu.com)

3.3 激光雷达的扫描形式

测距方案都是针对单点的检测，只有配合扫描方法，才能实现大视角范围内的探测。LiDAR的扫描形式可以分为机械，混合固态，纯固态三种。其中：

**机械：**由机械旋转机构驱动激光收发器件进行旋转，从而完成对FOV的测量；
**混合固态：**激光收发器件静止，通过转镜、棱镜、MEMS振镜的运动改变激光反射角度，完成对FOV扫描；
**纯固态：**利用相控阵技术使激光发射方向改变完成扫描，或利用Flash技术直接探测；

再次提醒：扫描方式 和 测距方法 完全是两种分类依据，不能混为一谈。下面也会给出每种扫描形式可配合使用的测距方法。

3.3.1 机械扫描：一维转台

**常用测距方法：**TOF

**代表厂商：**Velodyne、Ouster、Waymo、禾赛、速腾聚创、镭神智能、北科天绘

以Velodyne 64线激光雷达为例，其将64个激光器垂直堆叠在一起。然后使其连续旋转，完成360°的环境测量。旋转机构在机械学上可称为：“转台”。

Velodyne机械式激光雷达

优点	1. 转速稳定，扫描线性，视角360°； 2. 当前所有Lidar中，精度最高、点云最稠密（128线，双回波可达691万点/秒）；
缺点	1. 包含多套收发模块，成本极高；动辄数十万；机械转台需要满足：较小的重量、体积、极高的角精度、可承受20Hz的高速旋转。这对于机械设计和加工、伺服电机的运动控制都有着极大的挑战。这导致了： 2. 体积大，重量大，可靠性差，平均失效时间只有1000-3000小时，需要频繁的维护保养，难以达到车规级最低13000小时的要求。 3. 内含较多可动部件，在行车环境下磨损严重、需要大量人工组装调教，规模化量产困难

因此，在自动驾驶研发、高精地图建图的过程中，对成本不敏感的采集车还是会采用性能最高的传统机械式雷达，但将其落地到量产车型就完全不现实。随着其他种类雷达的性能提升，该种雷达会逐渐式微。

3.3.2 半固态1：转镜式

**常用测距方法：**TOF

**供应商：**华为、速腾聚创、Luminar、大疆Livox、禾赛（几乎所有厂商都有）

该种激光雷达的激光器固定不动，利用一面可以转动的镜子反射激光，从而实现在空间的扫描。其极大的缩小了机械式的体积。转镜的控制灵活度也要比伺服转台高很多。转镜又可以分为一维转镜、二维转镜、多面转镜、以及双棱镜等多种细分路线

3.3.2.1 一维转镜

顾名思义，一维转镜只能在一个维度实现旋转，如果需要实现面扫描就需要并排放置多个激光器，这和纯机械式雷达有点像。不过，车规级转镜雷达要实现较小的体积，则需要芯片化的VCSEL激光器。

案例：2022.06.21上市的理想L9搭载的禾赛AT128就是一维转镜雷达（这应该也是截至2022的第一款量产一维转镜雷达）。其VSCEL激光器也是苹果同家供应商Lumentum生产。禾赛采用了三镜面的方案，200rpm的低转速即可实现10Hz的扫描速度。其153万/秒的点频也是当前最强的半固态雷达。

理想L9

禾赛AT128一维转镜激光雷达

优点	1. 旋转自由度少，控制更简单，系统的精度、刚性更好；
缺点	1. 多个激光器硬件成本更高，制造良品率低，且只有905nm的硅激光器能在芯片上实现VCSEL工艺，而磷化铟1550nm激光器目前无法实现； 2. 受限于功率，VCSEL探测距离相对受限；

3.3.2.2 二维转镜

对应的，二维转镜可以利用一个激光器就完成对FOV的扫描：

优点	1. 这样做自然成本会低不少， 2. 控制灵活，可以对ROI进行增稠扫描； 3. 单激光头可以用光纤激光器，比VSCEL功率大，可探测距离远；
缺点	1. 2维转镜复杂度高，刚性相对差，控制麻烦； 2. 出点数量极限比较低；

3.3.2.3 Livox双棱镜

大疆Livox的方案比较与众不同，其采用了激光通信领域的旋转双棱镜方案。电机带动双棱镜高速旋转。激光在通过第一个楔形棱镜后发生第一次偏转，通过第二个楔形棱镜后发生第二次偏转，控制两面棱镜的相对转速便可以控制激光的扫描形态。产生不同角度的折射光线，从而实现对FOV的扫描。

Livox的棱镜方案与点云排布样式

优点	1. 和上述二维转镜差不多；
缺点	1. 点云中心稠密，边缘稀疏； 2. 每次扫描成像的范围不一样，车辆高速移动中成像不连续； 3. 原理导致电机转速过高，6000rpm，影响寿命。也因此，此款Lidar市场化情况不理想，只有小鹏P5安装了一些，Livox应该也在开发新的方案

2022市场化情况（目前可能有点过时，凑合看吧）

2021-2022年，是转镜式半固态激光雷达的大年，将会有大批车型搭载上市，这也是激光雷达的首次大规模的商用化落地。可预测，这会给汽车的辅助驾驶功能带来极大的提升。

	华为	Luminar-Iris	Livox-HAP 市场反馈不好	Innovusion-Falcon	禾赛AT128 2022最强转镜雷达
激光光源	905nm	1550nm	905nm	1550nm	905nm
扫描方式	转镜	双轴转镜	双棱镜（特殊）	双轴转镜	单轴转镜
激光器数量	？	？	6	8	128VCSEL激光器
探测距离	150m@10%NIST	250m@10%NIST	150m@10%NIST	250m@10%NIST	200m@10%NIST
精度	cm				2cm
视场角	120°x25°	120°x30°	120°x25°	120°x25°	120°x25.4°
角分辨率VH	0.25°x0.26°	0.06°x0.06°	0.18°x0.23°	0.05°x0.05°	0.1°x0.2°
帧率	？	？	20Hz	？	10Hz
线数	等效96线	等效300线	等效144线	等效300线	真128
出点数/s			45万	80-100万	153万
价格				$1000(10万台)
搭载车型	极狐阿尔法	R汽车ES33	小鹏P5	蔚来ET7	理想L9、集度、高合

2021-2022转镜激光雷达量产项目

Ref：
AT128 - 禾赛科技 (hesaitech.com)解读理想L9激光雷达，真·128线是怎么来的？【电动课堂28】_哔哩哔哩_bilibili

3.3.3 半固态2：MEMS

MEMS激光雷达是近年可以落地的第二个方案。其方案核心是：利用MEMS（Micro-Electro-Mechanical System）技术，将**“微振镜”、与传感控制电路**集成在一个硅半导体芯片上。极大的缩小体积与成本。

MEMS LiDAR的微振镜

扫描机构地柔性形变

似乎芯片上并没有旋转机构，这个反射镜是如何旋转的？实际上，转镜边缘细细的连接悬臂就是实现旋转的机构，在机械学上被称为：柔性铰链(Flexible Joint)。利用材料的弹性形变，能够在比较小的范围内输出非常精密的位移、旋转。同时还可以对驱动源的运动进行偏转、放大。

相比传统的机械结构，其优点是：响应速度极快、分辨率极高，可轻松输出纳米级分辨率的运动。

机械学概念：柔性铰链

但这种扫描机构需要克服的缺点有以下几个：

其运动输出有较强的非线性；
存在耦合运动（比如X轴的位移，会引起Y轴的位移）；
可实现的偏转角度有限，形变过度则不可回复；
微机械结构过分脆弱，在恶劣工况下寿命有限；

所谓**“振镜”，**意味着其工作在谐振频率下，这时候还需要注意其输入功率不能过大，否则会因谐振而对器件产生损伤。

精密驱动技术

如此精密的机械结构，如何驱动？显然传统的伺服电机是不可能的，需要采用微驱动方法：比如**静电驱动（ES），电磁驱动（EM），电热驱动（ET）以及压电驱动（PE）**四种。

以笔者熟悉的**压电陶瓷（Piezoelectric Ceramics, PZT）**为例：回想一下打火机，大拇指按下去就有电流打出，这就是所谓“压电效应”；反之，给压电陶瓷两端通电之后，也会产生一个位移。这个位移的总行程不过几百微米，而分辨率则可以达到纳米级。

而压电驱动器同样存在令人恼火的**非线性。以压电陶瓷为例，其运动输出不会随电压升高而线性变化。而是具有“迟滞”和“蠕变”**的特性。“迟滞”的意思是：其升压曲线和降压曲线存在明显差异，甚至电压变化速率不同时候，升压曲线还会不一样。而“蠕变”的意思是，压电陶瓷的位移还会随着时间的变化而缓慢变化，即使其两端电压并没有改变。另外，外界温度、湿度、磁场、机械振动都会改变其输出特性。

压电陶瓷的迟滞、蠕变特性

需求：精密闭环控制

除了PZT之外，**其他的微驱动方式的输出非线性问题也比较严重。**到微观层面，机械系统的漂移也成为一个影响运动精度的重要因素。所谓“漂移”，指的是物体会随着时间推移产生微米级的运动漂移。这在宏观的机械系统上不算什么，但在微机电系统则是必须要消除的因素。

如此一来，微动系统需要 “高实时性” “高精度” 的精密闭环控制，对于当前的技术手段倒也不难实现。因此，MEMS LiDAR的商用被推上日程。

优缺点

优点将反射激光地“镜子”也集成在了芯片中，摆脱了宏的精密闭环控制，对于当前的技术手段不难实现。因此，MEMS LiDAR的商用被推上日程。射面积也大（接收功率大），其可测量的范围也就越远，但相应的微振镜的旋转角度范围越小，视场角很受限；

优点	将反射激光地“镜子”也集成在了芯片中，摆脱了宏观的机械运动装置，极大缩减了量产成本；减小了硬件体积；
缺点	微振镜的尺寸越大，其反射面积也大（接收功率大），其可测量的范围也就越远，但相应的微振镜的旋转角度范围越小，视场角很受限；如果减小振镜尺寸，其转角范围大，视场角增大，但其反射面积变小，可测量范围不足；振镜受外界温度、振动环境影响会导致谐振频率的变化，从而导致线束紊乱、成像歪曲；硅基的MEMS柔性悬臂极其脆弱，其机械强度、抗老化性能都比较一般，影响到MEMS Lidar的寿命，总体鲁棒性不如转镜方案（2022Q2结论）。

优点	将反射激光地“镜子”也集成在了芯片中，摆脱了宏观的机械运动装置，极大缩减了量产成本；减小了硬件体积；
缺点	微振镜的尺寸越大，其反射面积也大（接收功率大），其可测量的范围也就越远，但相应的微振镜的旋转角度范围越小，视场角很受限；如果减小振镜尺寸，其转角范围大，视场角增大，但其反射面积变小，可测量范围不足；振镜受外界温度、振动环境影响会导致谐振频率的变化，从而导致线束紊乱、成像歪曲；硅基的MEMS柔性悬臂极其脆弱，其机械强度、抗老化性能都比较一般，影响到MEMS Lidar的寿命，总体鲁棒性不如转镜方案（2022Q2结论）。

优点	将反射激光地“镜子”也集成在了芯片中，摆脱了宏观的机械运动装置，极大缩减了量产成本；减小了硬件体积；
缺点	微振镜的尺寸越大，其反射面积也大（接收功率大），其可测量的范围也就越远，但相应的微振镜的旋转角度范围越小，视场角很受限；如果减小振镜尺寸，其转角范围大，视场角增大，但其反射面积变小，可测量范围不足；振镜受外界温度、振动环境影响会导致谐振频率的变化，从而导致线束紊乱、成像歪曲；硅基的MEMS柔性悬臂极其脆弱，其机械强度、抗老化性能都比较一般，影响到MEMS Lidar的寿命，总体鲁棒性不如转镜方案（2022Q2结论）。

优点	将反射激光地“镜子”也集成在了芯片中，摆脱了宏观的机械运动装置，极大缩减了量产成本；减小了硬件体积；
缺点	微振镜的尺寸越大，其反射面积也大（接收功率大），其可测量的范围也就越远，但相应的微振镜的旋转角度范围越小，视场角很受限；如果减小振镜尺寸，其转角范围大，视场角增大，但其反射面积变小，可测量范围不足；振镜受外界温度、振动环境影响会导致谐振频率的变化，从而导致线束紊乱、成像歪曲；硅基的MEMS柔性悬臂极其脆弱，其机械强度、抗老化性能都比较一般，影响到MEMS Lidar的寿命，总体鲁棒性不如转镜方案（2022Q2结论）。

优点	1. 将反射激光地“镜子”也集成在了芯片中，摆脱了宏观的机械运动装置，极大缩减了量产成本； 2. 减小了硬件体积；
缺点	1. 微振镜的尺寸越大，其反射面积也大（接收功率大），其可测量的范围也就越远，但相应的微振镜的旋转角度范围越小，视场角很受限； 2. 如果减小振镜尺寸，其转角范围大，视场角增大，但其反射面积变小，可测量范围不足； 3. 振镜受外界温度、振动环境影响会导致谐振频率的变化，从而导致线束紊乱、成像歪曲； 4. 硅基MEMS柔性悬臂极其脆弱，其机械强度、抗老化性能都比较一般，影响到MEMS Lidar的寿命，理论上总体鲁棒性不如转镜方案（2022Q2结论）。

MEMS激光雷达量产项目案例（2022.06）

当前（2022年Q2）情况，MEMS激光雷达处于量产前夕，主要是速腾聚创的M1激光雷达，已经拿下多家OEM的采购定点。其性能参数与转镜雷达差不多。（小鹏也投资了速腾聚创）

	速腾聚创-M1	一径科技ML-30S 中距	一径科技ML-30S 长距	Innoviz One	Innoviz Two
价格	OEM报价4K-5K
激光光源	905nm	1550nm	1550	905nm	905nm
激光器数量	5个
探测距离	150m@10%NIST			250m@10%NIST	300m@10%NIST
精度	5cm(1σ)
视场角	120°x25°	140°x70°		115°*25°	125°*40°
角分辨率	0.2°x0.2°	0.5°	0.1°	0.1° * 0.1°	0.07° * 0.05°
帧率	10-20Hz			5-20
分辨率	等效125线（600x 125）	等效160线
出点数	75万/s
价格	$1898，大规模$500
搭载车型	小鹏G9 上汽、广汽、北汽、威马、Lutos	无OEM定点元戎robotaxi	无OEM定点元戎robotaxi	宝马inext	研发中

等效线数的解释：

“等效XXX线”是常见于MEMS激光雷达和二维转镜激光雷达的一种宣传。比如我们会看到“等效300线”的宣传，这会给人一种：“比几十万的128线机械雷达线数更多” 的感觉。实际上这种说法是厂家耍的一点小聪明。

MEMS激光雷达和二维转镜激光雷达往往只有一个或者几个激光器，然后搭配二维扫描机构实现对FOV的扫描，这就相当于 “用XXX线的机械式/ 一维转镜式激光雷达扫描出来的效果一样”。

但是，受限于转镜或MEMS振镜的工作频率——实际上，目前（2022.Q2）MEMS和二维转镜式整体的点云密度/出点速度，仍然是不如高指标的传统机械雷达以及一维转镜雷达的。例如，禾赛Pandars128机械雷达在单回波模式下每秒出点345万，禾赛AT128一维转镜雷达单回波每秒出点153万。而二维转镜和MEMS的LiDAR，出点速度过百万的产品也不多。

Ref:
官网:
速腾聚创 - RoboSense(速腾聚创) - 自动驾驶激光雷达(M1 MEMS激光雷达)
北京一径科技_固态MEMS激光雷达 (zvision.xyz)新闻:
路特斯ELETRE首发凭借速腾聚创RS-LiDAR-M1激光雷达实现全面感知 (baidu.com)

3.3.4 固态激光雷达1：光学相控阵OPA——类似雷达的原理

配合测距方法：TOF，FMCW（更合适）

**代表厂商：Quanergy（已倒闭），**截至2022Q2，国内厂商基本都处于预研阶段。包括力策科技，洛微科技，万集科技、国科光芯、速腾（有布局）、镭神（有布局），整体产业发展是比较缓慢。

光学相控阵（Optical Phased Array）的实现原理和毫米波相控阵的实现原理一样，都是利用波的相干性改变波的方向，不再重复叙述。其存在一些工程上的难点：

根据相控阵原理，要求激光的阵列单元尺寸约等于半波长，这意味着发射单元的尺寸在数百纳米，对硅光芯片的加工会比较困难。
Quanergy采用OPA+ToF的方案，ToF方案的瞬时功率太高，可达40-50W，硅光芯片根本扛不住如此高的功率。而降低功率又使得探测距离不足，当前只能支撑100m左右的探测。
同样的，在相控阵Radar研发中出现的难题，如：旁瓣效应、易受环境光干扰、信号处理算法复杂也会出现在OPA LiDAR上。

Quanergy 光学相控阵Lidar

OPA+FMCW：4D激光雷达

代表厂商：Mobileye（CES亮相）、洛微、Aeva

前面提到了激光FMCW测距，而恰恰连续调频波的瞬时功率很低，可以完美的配合OPA实现空间的扫描，实现所谓的4D激光雷达，是固态激光雷达的一个相对热门的方向。

Mobileye 4D成像雷达：拥有更广泛独特动态范围的超高分辨率雷达，可提供丰富而准确的场景图像_哔哩哔哩_bilibili

3.3.5 固态激光雷达2：Flash——类似相机的原理

核心器件：VCSEL + SPAD

代表厂商：禾赛、速腾聚创等（基本都在搞）

**可配合测距方法：**ToF，AMCW

测距原理

**如何形象的去理解Flash激光雷达的原理？**想象你处在一个黑暗的环境下，手里举着一台照相机。当你想要拍摄照片时，相机的闪光灯打开，照亮了环境，当曝光结束后，闪光灯随之熄灭，环境再次归于黑暗——这是一种可见光的Flash（闪耀）。

而Flash LiDAR的原理类似，在其对应的905nm或1550nm波段，待探测的环境可以视为是一片黑暗（环境中的此波段红外线并不多），而Flash LiDAR配备了阵列式的发射光源以及接收部件，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（SPAD，单光子雪崩二极管增益极高），来完成对环境周围图像的绘制，最终生成的数据包含了深度等3D数据。

现在来解释为什么其更加适合AMCW的测距方式，**AMCW本质上是通过测量反射激光的强度来确定距离的，**自然地，对于CMOS工艺的芯片，这种测量是很容易实现的。不过其最大的弊端就在于忽略了“不同目标有着不同的激光反射率”这一因素，使得测量准确性大打折扣，**属于先天硬伤。**当然，Flash LiDAR用TOF也不是不行，这意味着对于每一个“Pixel”，都需要单独的一套计时的电路。

由于结构简单，集成度极高，Flash闪光激光雷达是目前纯固态激光雷达一种主流的技术研究方向。实际上，所谓的Flash Lidar也是深度相机方案的一种**。**

LeddarCore flash LiDAR

Flash LiDAR工作原理（左：结构光模式）

从其工作原理，我们完全不难推断其最大的难点：Flash LiDAR相当于一台将照相机将闪光灯、感光元件都集成在了一块芯片上。要想看得清楚，这个“闪光灯”的功率就必须足够大，如果采用AMCW测距，这个“闪光”的时间还需要长一些——显然，一般的芯片根本扛不住这种功率。

因此，当前缺点是：

VCSEL器件可输出的功率密度低，导致其有效距离一般难以超过50米，一般作为补盲雷达使用；
当前可实现的车规级SPAD阵列约为1W像素（民用已有30W像素），致使其分辨率较低。

今后如何增加VCSEL输出功率，增大SPAD阵列密度，将会是Flash LiDAR需要解决的难题。

车规级的市场化

搭载3个Ibeo Next固态激光雷达的长城WEY摩卡车型预计在2022年量产；
Ouster ES2选择牺牲扫描角度（26°×12°）换取较远的探测距离（200m），预计2024年实现批量交付。
2022年11月，禾赛FT120 Flash激光雷大发布，主要用作车角补盲雷达；
速腾聚创紧随其后，在11月7日的Tech Day上，发布了自家的纯固态激光雷达产品E1；

真·纯固态激光雷达？禾赛 FT120 有点东西_哔哩哔哩_bilibili速腾聚创首款全固态补盲激光雷达E1系列首次公开亮相|CES现场_哔哩哔哩_bilibili

3.3.6 激光雷达方案汇总

当下，转镜式和MEMS会落地，而长期来看，其只是过渡方案，固态的激光雷达肯定是一个发展的大趋势。

固态的方案中，OPA+FMCW以及Flash是两个有希望的方案。而学界和业界更为认可、更能吸引到投资的则是后者。极快的速度、极高的集成度、很低的成本、如今天的照相机一般易得，这都是人们对于Flash LiDAR的愿景。

但也必须客观看待激光雷达的发展，固态激光雷达都有着十分难以逾越的障碍，车规级硬件的研发又会面临较为严苛的工作环境以及测试。其开发周期必定是以年计，很多投资科普类的文章会热衷于将雷达的种类罗列一番，但完全没有阐明其主要技术障碍，因此任何大跃进的思想在这块都是行不通的。

	成本	体积	测量速度	精度	安全性	工作寿命	量程	备注
机械式	❌万美元	大	✔快	✔	✔	❌3000h	✔300m	未来逐步淘汰
转镜式	✔数百美元	✔	✔	✔	✔	✔中等	✔中	当前的落地方案
MEMS	✔数百美元	✔	✔快	✔	✔	✔	✔中	热点落地方案
OPA	❌高	✔	✔中	✔	✔	✔	✔最远	FMCW+OPA有前景
FLASH	✔远景最低	✔	✔极快	❌当前不足	✔	✔	❌当前小	前景较大

疑问：

A. TOF的精确计时原理，TDC电路如何做到ps级别的计时？

B. 激光雷达的寻峰算法是什么？

D. LIDAR输出的信息编码格式是怎样的？后续应了解TCL、ROSMSG点云格式

3.4 Backups 激光雷达厂商概况

一些激光雷达的宏观市场信息，来源于厂商网站与券商研报，可保证2022年有效，这种东西不搞投资看一眼就行，没太多意义。中国市场太卷，情况每个季度都在快速变化。

各车企2021-2022年搭载激光雷达车型

4. 相机 Camera

相机话题比较大，本文简单介绍下，后面单独发个文章介绍camera原理

4.1 相机的特殊性

同其他传感器相比，相机是一个非常独特的传感器。其独特性体现在三个方面：

4.1.1 有源与无源

前面提到的雷达都可以视为有源传感器，即自发自收电磁波信号，完成感知。而大部分的相机则可理解为一种无源传感器（不包括深度相机，主动式红外相机）。其自身并不发出信号，而是依靠CCD/ CMOS 感知周围环境物体发出的可见光。光源则可以来源于太阳、电灯、屏幕等（闪光灯也可视作外部光源），经过物体散射进入相机传感器。这一特性决定了普通相机在缺少外部光源的环境下（弱光环境）工作十分受限，如同人眼在昏暗环境下感知能力大幅下降一般。

而自发自收的Radar/Lidar则不受此类影响，相反地，雷达还需要尽力摒除环境中同频率的杂波干扰。

4.1.2 强度的感知

Camera另一个重要的特性是，十分强调对 “可见光强度intensity”（电磁波能量大小 or 振幅）的敏感性，根据单位时间接收到可见光能量的大小，将其转化为不同的灰度值（如0-255）。而对灰阶的重视使得相机具有丰富的纹理信息，最终这些纹理转化为了所谓的**“语义”**。

当然，并不是说，其他传感器没有对 “强度intensity” 的感知，例如激光雷达就可依据车道线与环境对红外线反射率的不同，达成对车道线的识别；金属也对毫米波具有极强的反射性。但总体而言，其他传感器的侧重点更多放在了 “有 or 没有”，对强度的感知没那么侧重。

相机对于“强度”良好感知来源于光电二极管良好的线性输出（式25），其积累电荷与输入能量成正比。

对“强度/ 振幅”的感知形成黑白图像，多个电磁波频率的感知形成彩色图像

4.1.3 单频率与多频率

如果仅凭感知强度的话，相机只能形成黑白图像，其语义信息仍然不够丰富。通过模仿人类的三种视锥细胞，相机配备了三种传感器，分别感知：**615_{620nm的红光，530-540nm的绿光，460}470nm的蓝光，**进而由接收的三原色的比例来合成彩色图像，赋予图像更为丰富的颜色信息。

**相机是唯一同时接收多个频率的电磁波，并将多种电磁波进行融合的传感器。**而其他大多传感器只能接受单一频率的电磁波。

CMOS感知RGB光源

“强度感知” 与 “多频率感知” 给使相机具有以下特点：

远超其他传感器的感知能力、信息密度；
信息相比Radar，LiDAR十分隐含、抽象，需要更高级别的智慧来对图像做出解读。
意味着算法可挖掘的潜力巨大，但对算力的要求也更高。

4.2 物体的显色原理

岔开话题，提一嘴物体的显色原理。

4.2.1 主观的颜色

**“特定的波长的光呈现某种特定颜色” 这一定义是十分主观的，例如“波长570nm的光呈现黄色”。这是在人类进化过程中视觉细胞与大脑约定俗成的。**甚至，在不同生物之间，其色觉感知存在很大的差异。人类理解世界所采用的这一套色觉体系，很大程度上仅适用于我们人类，例如狗就没有感知红色和绿色的视锥细胞，而一些鸟类对颜色的感知要比人类更加丰富。

模拟差异：鸟类色觉与人类色觉

4.2.2 电磁波的吸收与反射

物体（分子、原子）都具备吸收和反射电磁波的能力，而且不同物体对不同波长的电磁波也有所偏好。例如水对微波的吸收能力极强（微波炉），纯银（铝）对所有可见光的反射性极强（镜子）；当然还有的物体对电磁波不吸收也不反射（玻璃）。

以红色物体为例，其对于波长650nm左右的红光的反射性最强，而会吸收其他颜色的可见光。于是，它在人眼中就会呈现红色。

物体的显色

而被吸收后的光子则有以下去向：

1、被电子吸收，微观上转化为电子的动能，宏观上表征为物体内能增加，温度升高。（颜色越深，吸收可见光越多，温度越高，理想的黑体不反射、投射任何电磁波）

2、如果电子所得能量很高，可以脱离导体表面形成光电流，那么其定向移动表征为电磁能（光电效应）。

3、若电子能量再高一些，其动能足以同其他电子发生碰撞，摆脱原子束缚，进而破坏分子结构，则会表征为化学能（光合作用）。

4、表征为质量。

4.2.3 电磁波的向外辐射：红外夜视仪

除了吸收、反射电磁波，物体还可以发射出电磁波。任何温度高于绝对零度（-273.15℃）的物体都具有内能，表征为分子原子的无规则运动。而内能则会以电磁波辐射的形式发散出来，其内能越高，辐射的波长也越短（加热到几百度，就可以发出可见光）。地球环境温度下，辐射的电磁波频率恰好处在红外线波段。

而能够捕捉物体放射出的红外线的仪器，也就是红外热像仪（夜视相机）。

夜视相机有主动式和被动式两种，被动式利用了物体本身的自发辐射；主动式则会发出红外线，并接收反射信号，其实可以理解为开了相机“闪光灯”，只不过这个“闪光灯”发出的是红外线，人眼看不见。

同普通相机一样，红外成像同样具有抽象的纹理信息。因此，在自动驾驶的传感层也会有一定的潜力。

红外成像

此外，军事上还会用到微光夜视技术，不做讨论。

4.3 感光器件

CCD与CMOS工作模式

本节基本没意义，可以直接跳过。CMOS工艺进步较快，在民用上占绝对优势。性能和价钱成正比。

CCD（Charge Coupled Device 电荷耦合器件）：

结束曝光后，控制电路会将 CCD 每一列中的每个电容把自己的电荷传给相邻的下一个像素的电容，最后经过传感器末端的一个电荷放大器，转化为电压信号。

CMOS(Complementary Metal-Oxide Semiconductor) 互补式金属氧化物半导体（硅锗）：

每个像素的光电二极管都会连接一个放大器和 ADC 电路，读出该像素的值。

CCD与CMOS的区别

根据CCD和CMOS的工艺差异，可以得出以下优缺点（当前CMOS工艺发展较快）

	CCD	CMOS
成本	链式传递，良品率低，成本较高	CMOS独立，周边电路的成本较低
开口率	高	低（堆栈式CMOS开口率高）
动态范围	高	低
快门	天然的全局快门，无“果冻效应”	CMOS则按列报数，为卷帘快门。
噪声	所有的电荷经过的是一个电荷转换器，因此转换的一致性比较好，噪声小。但可能产生电荷溢出（Blooming）Fading（电荷衰减）。	抗干扰性比较强，但每一个电路比较难保持一致性。
读取	CCD为逐个读取，速度慢	CMOS则要快
能耗	CCD为被动式读取，需要外接12V/18V电源	能耗约为CCD的1/10

Ref：
CCD CMOS传感器基本工作原理

感知单元：微透镜阵列

前照式与背照式

感光芯片的最小单元由：微透镜、滤光器、光电二极管、金属连线层组成**。**其布置形式有前照式与背照式两种。微透镜用于汇聚光线，滤光器只允许目标波长的光透过，而其他波长的光则不会透过，光电二极管将光信号转化为电信号，其强度与光强度成正比。

对颜色的感知：利用滤光系统，1R，2G，1B。Bayer滤镜。

Bayer Filter

4.4 ISP 图像信号处理

ISP(Image Signal Processing) 图像信号处理。将CMOS、CCD发出的电信号处理为可视化的图像。不想写，和主题相关性不大，网上资料也多。。

参考资料
光电探测器PMT、APD、CCD、CMos、ICCD、EMCCD等各自的优势和劣势？ - 知乎 (zhihu.com)从微观的角度来看，光能是如何转化成其他形式的能量的？ - 知乎 (zhihu.com)Thermographic camera - WikipediaCCD（电荷耦合元件）_百度百科 (baidu.com)CMOS_百度百科 (baidu.com)键盘摄影（五）——相机成像元件：CMOS/CCD - 知乎 (zhihu.com)黑体辐射理论_百度百科 (baidu.com)普朗克长度_百度百科 (baidu.com)

5. 机械波与超声雷达 Ultrasonic Radar

5.1 超声雷达的原理与局限

再来看一下超声雷达，超声雷达已经是相当成熟廉价的产品，十多年前的汽车基本都配备了超声雷达用于倒车辅助。我们观察到的前后保险杠上的一个个小圆圈，就是超声雷达。

Audi A8的前向超声雷达

与前面的传感器不同的是，超声雷达采用的是机械波（声波）来传递信号。超声波的发射原理很简单：无非就是将一定频率的电流通过换能器转化为一定频率的机械振动（一般为20Khz-100Khz），换能器一般多采用压电陶瓷，当工作在谐振频率时，可达到最佳效果。

超声雷达的发射器件没什么挑战性，至于接收原理更简单，就是发射原理的逆效果，这里不再赘述。

车用超声雷达有着很大的局限性：

特性一：温度敏感

声速与空气的温度相关：C = C0 + 0.607 * T，C0为0°时的声波速度332m/s，那30℃时，超声波的传播速度为350m/s。因此还需要将环境温度纳入到传感系统中。

特性二：无法精确描述障碍物位置

车用超声雷达只能给定障碍物的距离，但无法确定障碍方位。此外，超声波散射角大，方向性差，测量远距离物体精度很差。

**当然，其实就是受制于体积成本不想做而已，**实际上利用前面提到的MIMO Radar原理，实现超声测角并不难，只不过分辨率也不会很高。

特性三：高速场景的实时性差（硬伤）

声速比光速慢的太多，如需检测100m处的物体，其时间延迟为0.2m，当汽车以120km/h高速行驶时，则汽车已经走出20m，超声雷达很难跟得上汽车的实时变化。

随便提一句，超声雷达的优点是在适合水下探测。因为电磁波在水下衰减速度非常快（无线电只能用长波雷达联系潜艇，且通信速度极慢，天线尺寸巨大，公里级别）。而超声波在水下衰减慢，因此船只一般都用“声纳”探测海底环境。

5.2 防止“灯下黑”

具备如此多的缺陷，但并不意味着超声雷达在自动驾驶中没有用武之地。LiDAR，Camera，Radar一般用来检测5m开外的目标。**而汽车半径5m内的空间则是其“盲区”，正是所谓的“灯下黑”。而超声雷达是当前检测近处物体最为高效、省钱的方案。在泊车、行人“鬼探头”**场景下，超声雷达发挥着重要的作用。当然，现在以tesla为代表的厂商开始舍弃超声雷达，而是用视觉包揽。

行人“鬼探头”场景

另一较为有趣的应用场景是“高速场景的横向辅助”，尽管这个案例很古老了，在Tesla的Autopilot 1.0版本中，当后面的一辆车对己方进行超出的时候。车辆可以在车道内进行轨迹微调，在允许的一定范围内对进行避让，从而提升安全性。

6. GNSS-RTK全球定位

GNSS技术应该算作是**“定位技术”**，其具体的实现方式不谈，后面如要系统性的总结定位方法再写。目前讨论其“电磁波信息传输”的属性。

GNSS是全球导航卫星系统的简称（Global Navigation Satellite System）。GPS的根本原理还是电磁波通信，只不过是空基的。

GNSS定位技术：空基电磁波通信

各国的GNSS信号频率在1.5GHz附近，可推算波长0.2m左右。那么同样可以轻易得出一些结论：

1. GNSS的波长特性使其信号传输受浓厚云层、大雾、雨雪的影响不大。

2. 信号在空旷地带效果最佳，**城市的高楼大厦，山区的山体都会阻挡、反射信号，**极大影响信号传输。

同时，因为其电磁波的本质，GNSS信号不可避免的会受到大气层中电离层、对流层的折射，从而产生误差。这也是GPS信号误差的一个很重要的来源。当然，可以通过PPP，RTK等差分技术消除。

再说用来消除GPS误差的RTK（Real time Kinematics）系统，它的信号的频率在410-470MHz之间，其波长为0.7m左右。同样的，这个波长可以使RTK信号免受天气的影响，但在城市、山区、隧道的工况下仍然面临很大的问题。这其实就是GNSS-RTK无法在100%工况适用的根本原因，很难有 “出现一种新技术，使得GNSS-RTK能够覆盖100%场景” 的情况发生。

参考资料：
Satellite navigation - Wikipedia

7. 无线通信与V2X

许多汽车行业企业的愿景是：未来将汽车打造为一种**“智能终端”**，汽车将拥有接入互联网能力，与道路、其他车辆、行人产生信息交互，即所谓的V2X（Vehichle to Everything）。

2021年11月16日，工信部发布了《“十四五”信息通信行业发展规划》，规划指出将在2025年完成相当规模的c-V2X基础建设。V2X技术可以为自动驾驶、人机交互提供支持，而这一切又跟另一个火热的概念“5G”扯上了联系，而5G说到底又是对电磁波的应用。

V2X设想图

7.1 无线通信的简要原理

前面提到的传感方式，更多将注意力放在了电磁波的频率、相位、方向上，而无线通信则更关注**“波形”**的调制。利用电磁波的高、低振幅表示数字信号 0 或 1，从而完成数字信号的传输过程，当然，现实的技术细节远比此过程复杂。

常用基带波形

5G相对于4G的一个重要优势是其时间延迟极短。一般4G的无线链路延迟最少要20-30ms，而理想情况下5G可以做到1ms左右，低延迟的信号传输 可以满足自动驾驶系统的低实时性需求。当然，副作用前面也提到了，代价就是需要进行基站的超密组网，这是一比相当昂贵的基础建设费用。

7.2 定位潜力

如果能实现5G的超密组网，能够带来另一项副产品：高精定位。其定位的原理同GNSS基本一致。当前5G的定位精度潜力在1m左右，在城市环境下作为一种辅助定位手段，具备不错的潜力。

不同定位方式的精度，By TUM，2020

8. 单传感器 vs 多传感器

感知-定位-决策-执行四层，感知是基础。如何提升感知能力，一直是众多自动驾驶参与者的目标之一。

具体的做法无非两种：一是拓宽感知，采用多个传感器接受更多的信息，其二则是加深感知，通过深度学习提升系统的智慧程度，使其靠近人类大脑的处理能力。绝大部分公司两手抓，只有Tesla选择了第二条路（当然在这条路上的耕耘也最深）。围绕这一话题的口水仗层出不穷，哪一方都认为自己的道路才是正确的，而对方走的是邪路。这与围绕高精地图的论战也很相似。

但作为一个汽车从业者，汽车行业的市场太大了，**大到足可以容纳多种方案在市场上并存：**混合动力方案就有增程、Dmi为代表的直连、THS行星齿轮好几种；电池方案有：三元锂、铁锂、钠电池等等；很多方案尽管有差异，但最终都能够出色地执行其任务。在当前这种技术没有显性代差的情况下，汽车行业还存在着太多性能和成本之间的博弈和取舍。因此现在的口水相当多都是为了拉拢投资人而已。

我个人想要从最接近信息本源的角度来探讨这个问题，这样结论或许会更清晰。如开头所言，极宽频谱范围内的机械波、电磁波都可以作为传递信息的工具。而在太阳光的波段分布中，可见光是能量密度最高的。也因此，人类在漫长的进化过程中，选择了390nm-760nm的可见光来高效的感知世界。