無人駕駛的承諾不再是一個(ge) 白日夢。現在，圍繞自動駕駛的問題集中在實現所需的基礎技術和進步上。LiDAR已經成為(wei) 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距離可大於(yu) 100米，角度分辨率為(wei) 0.1°。然而，並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(chuan) 感技術支持這些應用，如雷達、立體(ti) 視覺、超聲波探測和測距以及LiDAR。每種傳(chuan) 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，但在範圍、分辨率和可靠性方麵受到限製。雷達在射程和可靠性方麵有了很大的提高，但它也有角分辨率的限製；立體(ti) 視覺可能會(hui) 有很大的計算開銷和精度限製，以及需要正確的校準；LiDAR有助於(yu) 彌補這些差距，精確的深度感測，精細的角度分辨率，低複雜度的處理。然而，LiDAR通常被視為(wei) 體(ti) 積龐大、成本高昂的產(chan) 品，事實並非如此。

LiDAR的設計首先要確定係統需要檢測的最小物體(ti) 、該物體(ti) 的反射率以及該物體(ti) 所處的距離。這將定義(yi) 係統的角度分辨率。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。

了解感知環境和信息量，有助於(yu) 進行適當的設計權衡，實現成本、性能、開發難度相關(guan) 的最佳解決(jue) 方案。例如，考慮一輛以100公裏/小時速度行駛的自動駕駛汽車，與(yu) 以6公裏/小時的速度前進的物流機器人相比。在高速情況下，不僅(jin) 要考慮以100 公裏/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。對於(yu) 感知係統來說，這相當於(yu) 200公裏/小時的相對速度接近。對於(yu) 探測最大距離為(wei) 200米的LiDAR來說，車輛在一秒鍾內(nei) 就能將物體(ti) 之間的距離縮短25%。應該強調的是，車輛的速度、停車距離和執行規避所涉及的動力學是特有的複雜性。一般來說，可以說，LiDAR需要高速應用。

分辨率是激光雷達係統設計的另一個(ge) 重要的特性。良好的角分辨率使激光雷達係統能夠從(cong) 單個(ge) 物體(ti) 接收多個(ge) 像素的返回信號。如圖1所示，在200米的範圍內(nei) ，1°的角分辨率將轉換為(wei) 邊長3.5米的像素。這個(ge) 尺寸的像素比許多需要檢測的物體(ti) 都要大，這帶來了一些挑戰。首先，空間平均通常被用來提高信噪比和可檢測性，但由於(yu) 每個(ge) 目標隻有一個(ge) 像素，這不是一個(ge) 選擇。此外，即使被探測到，也無法預測物體(ti) 的大小。一塊道路碎片、一隻動物、一個(ge) 交通標誌和一輛摩托車通常都小於(yu) 3.5米。相比之下，0.1°角分辨率的係統像素要小10倍，也就是35厘米，因此，這個(ge) 係統可能會(hui) 區分出汽車和摩托車。

與(yu) 方位角相比，探測一個(ge) 物體(ti) 是否能安全地駛過需要更高分辨率的仰角。想象一下，一個(ge) 自動物流機器人的要求會(hui) 有多大不同，因為(wei) 它的速度很慢，需要探測狹窄但又高的物體(ti) ，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，例如掃描對比泛光麵陣式，或者ToF 對比波形數字化，它們(men) 之間的選擇不在本文的範圍內(nei) 。

（圖1 具有32個(ge) 垂直通道的激光雷達係統，以1°的角分辨率水平掃描環境。）

（圖2 激光雷達係統的分立元件。）

（圖3 ADI AD-FMCLIDAR1-EBZ激光雷達開發解決(jue) 方案係統架構）

範圍或深度精度與(yu) ADC采樣率有關(guan) 。測距精度允許係統準確地知道物體(ti) 的距離，這在需要近距離移動的情況下非常關(guan) 鍵，例如停車場或倉(cang) 庫物流。此外，範圍隨時間的變化可以用來計算速度，這個(ge) 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）可實現的距離精度為(wei) 15cm。計算結果為(wei) 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(nei) ，可以使用更複雜的技術，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。處理數據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，然後進行插值以獲得最佳精度。

AD-FMCLIDAR1-EBZ是一個(ge) 高性能激光雷達原型平台，采用905nm脈衝(chong) ToF激光雷達開發工具。該係統可用於(yu) 機器人、無人機、農(nong) 業(ye) 和建築設備以及具有1D泛光麵陣式掃描雷達原型。該係統采用高速雙4A MOSFET驅動的905nm激光源。它還包括由LT8331可編程電源，為(wei) First Sensor 16通道APD陣列供電。有多個(ge) 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(ge) 通道的功耗最低，為(wei) 435 mW/通道。此外還支持根據需要額外增加帶寬和采樣率，這有助於(yu) 提高整體(ti) 係統幀速率和測距精度。同時，降低功耗也很重要，因為(wei) 散熱量越小，熱/機械設計就越簡單，形狀也就越小。

另一個(ge) LiDAR設計的工具是eval-ADAL6110-16，高度可配置的評估係統。它提供了一個(ge) 簡化的，但可配置的，2D 泛光麵陣式雷達傳(chuan) 感器，用於(yu) 需要實時（65赫茲(zi) ）目標檢測/跟蹤的應用，如防撞、高度監控和軟著陸。

（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(wei) 方位角37°仰角5.7°。在方位角為(wei) 16個(ge) 像素的線性陣列中，20米處的像素大小與(yu) 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。如果現有的光學元件不能滿足應用的需要，PCB可以很容易地從(cong) 外殼上拆下，並加入一個(ge) 新的光學結構中。

評估係統是圍繞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）。該裝置提供用於(yu) 探測感興(xing) 趣區域的定時控製、對接收到的波形進行采樣的定時以及將捕獲的波形數字化的能力。ADAL6110-16集成了敏感的模擬節點，降低了噪聲，使係統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的離散元件實現相同的信號鏈，在這些元件中，均方根噪聲是影響一切的關(guan) 鍵。此外，集成信號鏈允許激光雷達係統減少尺寸、重量和功耗。

係統軟件可以快速啟用，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(ge) 帶有機器人操作係統（ROS）驅動程序的係統中。用戶隻需創建一個(ge) 連接器，就可以與(yu) 機器人或車輛連接，並支持四種通信協議：SPI、USB、CAN或RS-232。參考設計也可以根據不同的接收器和發射器技術進行修改。

如前所述，eval-ADAL6110-16參考設計的接收機數據可以修改，以創建不同的配置，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於(yu) 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(ge) 光電二極管重新設計，每個(ge) 光電二極管的活動麵積為(wei) 0.6mm×0.6mm，則同一範圍內(nei) 的像素大小將與(yu) FOV根據像素大小的變化而不同。

表1 如果接收器被更改為(wei) 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(men) 看看S8558，它的16個(ge) 像素排列成一條直線

像素尺寸：2mm×0.8mm。

（圖6 使用基本三角函數計算角分辨率。）

選擇20 mm焦距透鏡後，可以使用基本三角函數計算每個(ge) 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、更複雜的考慮，例如像差校正和場曲率。然而，對於(yu) 這樣的低分辨率係統，直接的計算就足夠了。

所選的1×16像素FOV可用於(yu) 自主車輛和自主地麵車輛的目標檢測和避碰等應用，也可用於(yu) 倉(cang) 庫等受限環境下機器人的定位和映射（SLAM）。

有一個(ge) 有意思的應用是在4×4網格中，以檢測係統周圍的對象。正在開發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(hui) 警告駕駛員。該係統可以檢測個(ge) 人行走的方向，並通過停車或用喇叭提醒行人，以防止撞到，並及時警告駕駛員采取行動。

記住，並非每個(ge) 應用程序都要求0.1°角分辨率和100 米監測範圍。花些時間考慮激光雷達係統設計中應用程序真正需要的內(nei) 容，然後明確定義(yi) 關(guan) 鍵標準，如目標大小、反射率、目標距離和無人駕駛係統運行速度。這將為(wei) 平衡設計提供更匹配的組件選擇，使其相對於(yu) 係統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 激光雷達係統的各種光學實現，可幫助提高應用程序安全。）

本文作者：

Sarven Ipek於(yu) 2006年加入ADI。在ADI任職期間，Sarven在故障分析、設計、特性描述、產(chan) 品工程、項目和程序管理方麵積累了豐(feng) 富的經驗。Sarven目前是位於(yu) 馬薩諸塞州威爾明頓市的Autonomous Transportation and Safety Group的LIDAR部門的營銷經理。

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(ye) 後，他加入ADI，負責數字成像係統設計數據轉換器和傳(chuan) 感器接口電路。2014年，羅恩將重點轉移到汽車技術領域，致力於(yu) 激光雷達傳(chuan) 感器的電子、光子學和信號處理。羅恩還參與(yu) 了幾個(ge) IEEE會(hui) 議的項目委員會(hui) 。