無人駕駛的承諾不再是一個白日夢?，F(xiàn)在，圍繞自動駕駛的問題集中在實現(xiàn)所需的基礎技術和進步上。LiDAR已經(jīng)成為支持向自動駕駛轉變的最受討論的技術之一，但是仍然存在許多問題。

LiDAR距離可大于100米，角度分辨率為0.1°。然而，并不是所有的自動駕駛應用都需要這種級別的性能，諸如代客泊車輔助和街道清掃車等應用。有大量的深度傳感技術支持這些應用，如雷達、立體視覺、超聲波探測和測距以及LiDAR。每種傳感器在性能、尺寸和成本之間都有獨特的權衡。超聲波設備是最便宜的，但在范圍、分辨率和可靠性方面受到限制。雷達在射程和可靠性方面有了很大的提高，但它也有角分辨率的限制；立體視覺可能會有很大的計算開銷和精度限制，以及需要正確的校準；LiDAR有助于彌補這些差距，精確的深度感測，精細的角度分辨率，低復雜度的處理。然而，LiDAR通常被視為體積龐大、成本高昂的產(chǎn)品，事實并非如此。

LiDAR的設計首先要確定系統(tǒng)需要檢測的最小物體、該物體的反射率以及該物體所處的距離。這將定義系統(tǒng)的角度分辨率。由此計算出最小可達到信噪比（SNR），即檢測目標所需的真/假陽性或陰性檢測準則。

了解感知環(huán)境和信息量，有助于進行適當?shù)脑O計權衡，實現(xiàn)成本、性能、開發(fā)難度相關的最佳解決方案。例如，考慮一輛以100公里/小時速度行駛的自動駕駛汽車，與以6公里/小時的速度前進的物流機器人相比。在高速情況下，不僅要考慮以100 公里/小時的速度行駛的車輛，還要考慮另一輛以相同速度反向行駛的車輛。對于感知系統(tǒng)來說，這相當于200公里/小時的相對速度接近。對于探測最大距離為200米的LiDAR來說，車輛在一秒鐘內(nèi)就能將物體之間的距離縮短25%。應該強調(diào)的是，車輛的速度、停車距離和執(zhí)行規(guī)避所涉及的動力學是特有的復雜性。一般來說，可以說，LiDAR需要高速應用。

分辨率是激光雷達系統(tǒng)設計的另一個重要的特性。良好的角分辨率使激光雷達系統(tǒng)能夠從單個物體接收多個像素的返回信號。如圖1所示，在200米的范圍內(nèi)，1°的角分辨率將轉換為邊長3.5米的像素。這個尺寸的像素比許多需要檢測的物體都要大，這帶來了一些挑戰(zhàn)。首先，空間平均通常被用來提高信噪比和可檢測性，但由于每個目標只有一個像素，這不是一個選擇。此外，即使被探測到，也無法預測物體的大小。一塊道路碎片、一只動物、一個交通標志和一輛摩托車通常都小于3.5米。相比之下，0.1°角分辨率的系統(tǒng)像素要小10倍，也就是35厘米，因此，這個系統(tǒng)可能會區(qū)分出汽車和摩托車。

與方位角相比，探測一個物體是否能安全地駛過需要更高分辨率的仰角。想象一下，一個自動物流機器人的要求會有多大不同，因為它的速度很慢，需要探測狹窄但又高的物體，比如桌腿。

LiDAR的速度和性能可以在圖2中確定。有很多選擇可以選擇，例如掃描對比泛光面陣式，或者ToF 對比波形數(shù)字化，它們之間的選擇不在本文的范圍內(nèi)。

（圖1 具有32個垂直通道的激光雷達系統(tǒng)，以1°的角分辨率水平掃描環(huán)境。）

（圖2 激光雷達系統(tǒng)的分立元件。）

（圖3 ADI AD-FMCLIDAR1-EBZ激光雷達開發(fā)解決方案系統(tǒng)架構）

范圍或深度精度與ADC采樣率有關。測距精度允許系統(tǒng)準確地知道物體的距離，這在需要近距離移動的情況下非常關鍵，例如停車場或倉庫物流。此外，范圍隨時間的變化可以用來計算速度，這個用例通常需要更好的距離精度。使用簡單的閾值算法（如直接ToF），1ns采樣周期（即1gsps ADC）可實現(xiàn)的距離精度為15cm。計算結果為c（dt/2），其中c是光速，dt是ADC采樣周期。然而，考慮到ADC包括在內(nèi)，可以使用更復雜的技術，例如插值等，來提高測距精度，可以通過粗略估計信噪比的平方根來提高測距精度。處理數(shù)據(jù)的最高性能算法之一是采用濾波器，它最大限度地提高信噪比，然后進行插值以獲得最佳精度。

AD-FMCLIDAR1-EBZ是一個高性能激光雷達原型平臺，采用905nm脈沖ToF激光雷達開發(fā)工具。該系統(tǒng)可用于機器人、無人機、農(nóng)業(yè)和建筑設備以及具有1D泛光面陣式掃描雷達原型。該系統(tǒng)采用高速雙4A MOSFET驅(qū)動的905nm激光源。它還包括由LT8331可編程電源，為First Sensor 16通道APD陣列供電。有多個4通道LTC6561 跨阻放大器，具有低噪聲和高帶寬，以及AD9094 1 GSPS、8位ADC，確保每個通道的功耗最低，為435 mW/通道。此外還支持根據(jù)需要額外增加帶寬和采樣率，這有助于提高整體系統(tǒng)幀速率和測距精度。同時，降低功耗也很重要，因為散熱量越小，熱/機械設計就越簡單，形狀也就越小。

另一個LiDAR設計的工具是eval-ADAL6110-16，高度可配置的評估系統(tǒng)。它提供了一個簡化的，但可配置的，2D 泛光面陣式雷達傳感器，用于需要實時（65赫茲）目標檢測/跟蹤的應用，如防撞、高度監(jiān)控和軟著陸。

（圖4 使用集成16通道ADAL6110-16的eval-ADAL6110-16激光雷達評估模塊。）

參考設計中使用的光學元件視野（FOV）為方位角37°仰角5.7°。在方位角為16個像素的線性陣列中，20米處的像素大小與成人的平均值方位角0.8米，仰角2米相當。如前所述，不同的應用可能需要不同的光學配置。如果現(xiàn)有的光學元件不能滿足應用的需要，PCB可以很容易地從外殼上拆下，并加入一個新的光學結構中。

評估系統(tǒng)是圍繞ADI的ADAL6110-16構建的，ADAL6110-16是一種低功耗、16通道的集成式激光雷達信號處理器（LSP）。該裝置提供用于探測感興趣區(qū)域的定時控制、對接收到的波形進行采樣的定時以及將捕獲的波形數(shù)字化的能力。ADAL6110-16集成了敏感的模擬節(jié)點，降低了噪聲，使系統(tǒng)能夠捕捉到非常低的信號反饋，而不是用具有類似設計參數(shù)的離散元件實現(xiàn)相同的信號鏈，在這些元件中，均方根噪聲是影響一切的關鍵。此外，集成信號鏈允許激光雷達系統(tǒng)減少尺寸、重量和功耗。

系統(tǒng)軟件可以快速啟用，它是完全獨立的，通過USB 5伏電源供電，可以很容易地集成到一個帶有機器人操作系統(tǒng)（ROS）驅(qū)動程序的系統(tǒng)中。用戶只需創(chuàng)建一個連接器，就可以與機器人或車輛連接，并支持四種通信協(xié)議：SPI、USB、CAN或RS-232。參考設計也可以根據(jù)不同的接收器和發(fā)射器技術進行修改。

如前所述，eval-ADAL6110-16參考設計的接收機數(shù)據(jù)可以修改，以創(chuàng)建不同的配置，如圖5至圖7所示。eval-ADAL6110-16配備了 Hamamatsu S8558 16光電二極管陣列。表1中顯示的不同距離的像素的大小基于有效像素大小（即0.8 mm×2mm）以及20 mm焦距透鏡。例如，如果同一板用諸如Osram SFH-2701等單個光電二極管重新設計，每個光電二極管的活動面積為0.6mm×0.6mm，則同一范圍內(nèi)的像素大小將與FOV根據(jù)像素大小的變化而不同。

表1 如果接收器被更改為SFH-2701，則eval-ADAL6110-16中使用的接收器尺寸和光學元件以及潛在像素排列

（圖5 Hamamatsu S8558二極管陣列。）

例如，讓我們看看S8558，它的16個像素排列成一條直線

像素尺寸：2mm×0.8mm。

（圖6 使用基本三角函數(shù)計算角分辨率。）

選擇20 mm焦距透鏡后，可以使用基本三角函數(shù)計算每個像素的垂直和水平FOV，如圖6所示。當然，鏡頭的選擇可能涉及額外的、更復雜的考慮，例如像差校正和場曲率。然而，對于這樣的低分辨率系統(tǒng)，直接的計算就足夠了。

所選的1×16像素FOV可用于自主車輛和自主地面車輛的目標檢測和避碰等應用，也可用于倉庫等受限環(huán)境下機器人的定位和映射（SLAM）。

有一個有意思的應用是在4×4網(wǎng)格中，以檢測系統(tǒng)周圍的對象。正在開發(fā)的此應用將安裝在公交車和房車上，如果有行人在公交周圍時，會警告駕駛員。該系統(tǒng)可以檢測個人行走的方向，并通過停車或用喇叭提醒行人，以防止撞到，并及時警告駕駛員采取行動。

記住，并非每個應用程序都要求0.1°角分辨率和100 米監(jiān)測范圍?；ㄐr間考慮激光雷達系統(tǒng)設計中應用程序真正需要的內(nèi)容，然后明確定義關鍵標準，如目標大小、反射率、目標距離和無人駕駛系統(tǒng)運行速度。這將為平衡設計提供更匹配的組件選擇，使其相對于系統(tǒng)所需的功能進行最佳性能和成本的選擇，最終增加首次成功設計的可能性。

（圖7 激光雷達系統(tǒng)的各種光學實現(xiàn)，可幫助提高應用程序安全。）

本文作者：

Sarven Ipek于2006年加入ADI。在ADI任職期間，Sarven在故障分析、設計、特性描述、產(chǎn)品工程、項目和程序管理方面積累了豐富的經(jīng)驗。Sarven目前是位于馬薩諸塞州威爾明頓市的Autonomous Transportation and Safety Group的LIDAR部門的營銷經(jīng)理。

Ron Kapusta是ADI研究員，擁有麻省理工學院的理學學士和工程碩士學位。2002年畢業(yè)后，他加入ADI，負責數(shù)字成像系統(tǒng)設計數(shù)據(jù)轉換器和傳感器接口電路。2014年，羅恩將重點轉移到汽車技術領域，致力于激光雷達傳感器的電子、光子學和信號處理。羅恩還參與了幾個IEEE會議的項目委員會。