车载激光雷达工作原理与技术详解

hdy

在智能汽车和自动驾驶技术快速发展的今天，激光雷达作为关键传感器之一，发挥着至关重要的作用。它通过发射激光束并测量反射光的飞行时间来生成环境的三维点云，为自动驾驶系统提供了高精度的环境感知能力。本文将深入探讨车载激光雷达的基本原理、扫描机制类型以及不同类型的激光雷达在自动驾驶中的应用，帮助读者系统地了解这一前沿技术。

基本原理
CONTENT

汽⻋激光雷达的组件

激光发射器（Laser Emitter）：通常使⽤激光⼆极管或光纤激光器，发射短脉冲激光束以扫描周围环境。

光学系统（Optical  System）：包括透镜和反射镜，⽤于引导和调整激光束，以提⾼测量精度。

接收器（Photodetector / Receiver）：负责接收反射回来的激光脉冲，并转换成电信号。

扫描机制（Scanning Mechanism）：控制激光束的空间扫视分布，⽤于覆盖更⼴的视场⻆FOV。信号处理单元：⽤于分析接收到的光信号并计算⽬标物体的距离和形状。

⼯作原理

激光雷达的激光发射器向环境中发射脉冲激光，这些激光束通常是红外光-905nm适合中低速场景，最远探测距离可达300⽶；1550nm适合⾼速场景最远探测距离达500⽶-能够穿透⾬雾并保持测距精度；激光束遇到物体表⾯时会发⽣反射，返回的光信号的强度和⻆度取决于物体表⾯的材质、颜⾊及光滑度。

LiDAR的光电探测器（ Photodetector ）捕获返回的光信号，并测量⻜⾏时间（ToF）；信号处理单元接收光电探测器传来的数据，并执⾏噪声过滤、数据校正、⽬标检测等任务，最终⽣成三维点云，让⾃动驾驶系统能够识别道路、障碍物和⾏⼈；信号处理单元还负责将LiDAR数据与摄像头、毫⽶波雷达、GPS、IMU等传感器的信息进⾏融合。

上图展示了激光雷达发射脉冲激光和接收光信号的流程

上图展示了飞行时间TOF（Time-of-Flight）。它是汽车激光雷达用于测量物体距离的原理，记录光从发射到被物体反射回来的时间，从而计算目标物体的距离，计算公式为：距离=(光速×时间)/2。

视场⻆FOV和距离

不同类型的激光雷达在探测距离、视场⻆（FOV）和数据精度⽅⾯各有特点，因此适⽤于不同的应⽤场景。例如，⻓距离LiDAR可以探测超过200m，适⽤于⾼速⾃动驾驶，但通常体积较⼤、成本较⾼；短距离LiDAR主要⽤于城市交通或泊⻋辅助，覆盖范围约30m~80m，虽然精度⾼但视野受限；机械旋转LiDAR具备360°全⽅位扫描能⼒，适合⾼清地图构建，但因机械结构影响耐⽤性。

上图展示了激光雷达的视场⻆FOV由横向范围和纵向范围组合⽣成（左）；以及不同激光雷达的能⼒范围类型（右）

扫描机制类型-传统
CONTENT

机械激光雷达

机械激光雷达是最古⽼的激光雷达传感器类型，它使⽤360°旋转镜来扫描环境。传感器发射激光脉冲，镜⾯将脉冲导向特定⽅向。随着镜⾯调整⻆度，脉冲以不同⻆度发射，使传感器能够创建环境的3D地图。机械激光雷达的主要优势在于其覆盖宽视场的能⼒，使其成为⼤规模测绘应⽤的理想选择。

然⽽，机械激光雷达传感器存在的缺点是其设备往往体积庞⼤，需安装在⻋辆顶部，不适合家⽤⻋应⽤；其数据采集速率相对较低，通常每秒仅能获取数⼗万级点，这使得它们不适合需要⾼分辨率3D地图的应⽤场景；以及旋转部件存在机械磨损，⻓期使⽤可能影响稳定性。

上图展示了传统机械激光雷达的结构

实例

HESAI XT32M

测距能⼒：0.5~300⽶

测距精度：0.5厘⽶1σ

精度：±1厘⽶

点云速率（单次回波）：640000点/秒

视场⻆：360°×40.3°

⻆分辨率：⽔平0.18°×垂直1.3°

尺⼨：直径75毫⽶×⾼度93毫⽶

重量：490克

动图展示了传统机械激光雷达的点云效果

MEMS激光雷达

MEMS激光雷达有两种结构：

第⼀种是同轴架构，MEMS镜通过旋转或偏转镜⾯⻆度，将激光束反射⾄⽬标物体。镜⾯的偏转由静电、电磁、电热等驱动信号控制，实现⼀维或⼆维扫描。MEMS镜在同轴架构中同时负责发射光反射和回波信号反射。在这个过程中，分束器Beam Splitter⽤于分离或合并激光束路径，使发射光和回波信号共⽤同⼀光学通道。

第⼆种是⾮同轴架构，MEMS镜仅负责发射光的反射⻆度调整，通过镜⾯偏转控制激光束的扫描⽅向，不涉及回波路径，因此⻆度调整更专注于优化发射光束的扫描范围和精度。回波信号则通过独⽴的透镜作为接收器（Photodetector）收集，与MEMS镜的⻆度调整⽆关。

上图展示了MEMS激光雷达的同轴架构和非同轴架构对比

MEMS镜的⼯作⽅式：

MEMS镜将⽔平扫描的激光束反射出去，⽽扩散透镜 ( cylindrical lens ) 则将该激光束扩散成激光线，MEMS镜提供⽔平⽅向的扫描动作，决定激光束的⽔平扫描⻆度和范围；  扩散透镜则对激光束进⾏扩散处理，使激光束在垂直⽅向上也能有⼀定的覆盖范围。

多激光器（multiple lasers）在垂直⽅向上按⼀定间隔排列，每个激光器发射独⽴的激光束到底下的MEMS镜，覆盖垂直⽅向的不同⻆度；MEMS镜在⽔平⽅向快速偏转，将每个激光器的光束依次反射到不同⽔平⻆度，形成⽔平轴扫描+垂直轴多线覆盖的⼆维扫描模式。3个激光器以15°间隔排列，⽔平扫描⻆度60°，则整体视场为⽔平60°×垂直45°。

上图展示了MEMS镜结合「扩散透镜」和「多激光器」两种工作方式

实例

HESAI AT128

测距能⼒：210⽶

点云速率（单次回波）：1536000点/秒视场⻆：120°x25.4°

⻆分辨率：⽔平0.1°×垂直0.2°

尺⼨：宽度136毫⽶ × 纵深114毫⽶×⾼度49毫⽶

重量：940克

能耗：13.5瓦

像素分辨率：1200x128

上图展示了机械激光雷达（左）和MEMS激光雷达（右）的云点密度成像对比
扫描机制类型-固态
CONTENT

FMCW（Frequency Modulated Continuous Wave）激光雷达

FMCW激光雷达的⼯作原理是持续发射激光，并让激光的频率不断变化。当激光遇到物体后反射回来，系统会⽐较返回信号与原始信号的频率差，这可以计算出物体的距离，同时还能测量物体的运动速度，类似于测速雷达。

优势：传统LiDAR只能测距离，⽽FMCW能测物体的速度，对辅助驾驶更有优势；它使⽤频率调制，减少了来⾃太阳光或其他光源的⼲扰，使感知更稳定；在⾼速移动的场景，FMCW能精准识别前⽅物体的速度，减少碰撞⻛险。

上图中上半部分展示了FMCW LiDAR 通过光学频率调制（Optical Frequency Modulation）发射连续激光，并采⽤线性调频（chirp）技术，使光波频率随时间变化，从而提高测量精度。当激光遇到物体后，系统利用往返时间测量（Round-trip time of lidar pulse）记录光从发射到返回的时间，以计算目标物体的距离。

下半部分展示了在扫描过程中，LiDAR依靠光束扫描（Beam Scanning）在环境中移动激光束，并仅在光束扫描到物体时产生反射信号。返回的光波与本地振荡器（Local Oscillator）的光进行信号混合（Mixing Return with Local Oscillator），形成拍频信号（Beat Frequency），其频率偏移量与目标物体的距离和速度相关。由于返回光波的频率受多普勒效应（Doppler Effect）影响，LiDAR 能够进行多普勒测量（Doppler-Shifted Return），不仅精准计算物体的距离，还能测量目标的相对速度，从而提升动态感知能。

实例

Aeva Atlas Ultra

测距能⼒：250-500⽶

视场⻆：150°x30°

运⾏温度：-40°C-85°C

分辨率：⽐机械激光雷达⾼20倍

在⽆GPS信号且缺乏显著环境特征的场景中，⽆需IMU或GPS等额外传感器，即可实现⻋辆的精准定位与导航

动图展示了FMCW激光雷达远距离测距的能力

OPA（Optical Phased Array）激光雷达

OPA激光雷达发出激光后，经分束器分成多束，通过相位调制器使每束光的振动产⽣先后时间差，再由光学天线发射。这种时间差会让多束光叠加时形成倾斜的波前（wavefront），使激光波束向特定⻆度偏转。这样就⽆需机械旋转部件，通过电⼦信号快速改变光束⻆度，实现⾼速扫描和⾼精度⻆度调节。

优势：OPA激光雷达摒弃传统机械雷达的旋转部件，避免机械磨损；实现80°×17°视场（FoV）内的⾼密度点云覆盖；通过电⼦信号实时调节相位差，波束转向速度可达纳秒级，优于机械雷达的毫秒级旋转周期，适合追踪快速移动⽬标；可与调频连续波（FMCW）、⻜⾏时间（ToF）等测距技术结合，同时实现距离、速度、三维形状的实时测量；可将激光发射、相位调制、波束控制等模块集成在⼏平⽅毫⽶的硅芯⽚上，体积仅为机械雷达的千分之⼀。

上图中（c）展示了无相位差/时间差「基准状态」时，各光学天线单元的光波相位一致，合成波束垂直于天线阵列向前传播；（d）展示了有相位差「 转向状态」时，相邻光学天线的光波步调依次延迟，合成波束向左/右侧转向；（a）「一维扫描」θ纵方向通过波长调谐（Wavelength Tuning）控制角度，φ横方向通过相位差使激光波束在水平方向转向；（b）「二维扫描」在横向和纵向的光学天线间均设置相位差，使激光波束在空间中向任意方向转向。

车载激光雷达技术涵盖了从传统机械扫描到先进的固态扫描机制，每种类型都针对不同的自动驾驶需求进行了优化。这些技术的发展不仅提升了环境感知的精度，还增强了系统的可靠性和效率，为智能汽车的未来发展奠定了坚实基础。