據報道，激光雷達(LiDAR)與其它傳感器技術(攝像頭、雷達和超聲波)的相互競爭增加了對傳感器融合的需求，同時也要求對光電探測器、光源和MEMS微鏡的仔細甄選。

　　隨著傳感器技術、成像技術、雷達、LiDAR、電子設備和人工智能技術的進步，數十種先進駕駛輔助系統(ADAS)功能已得以實現，包括防撞、盲點監測、車道偏離報警和停車輔助。通過傳感器融合同步此類系統的運行，以允許全自動駕駛車輛或無人駕駛車輛對周圍環境檢測，并警告駕駛員潛在的道路危險，甚至可以采取獨立于駕駛員的規避動作來避免碰撞。

　　自動駕駛汽車還必須能在高速情況下區分并識別前方物體。使用距離判斷技術，這些自動駕駛汽車必須快速構建出約100米遠道路的3D地圖，并能在250米遠的距離上創建出高角分辨率的圖像。如果駕駛員不在場，汽車人工智能必須做出最優決策。

　　此任務的幾種基本方法之一是，測量能量脈沖從自動駕駛汽車發出到目標再返回車輛的往返飛行時間(ToF)。當知道脈沖通過空氣的速度時，就可以計算出反射點的距離。這個脈沖可以是超聲波(聲納)，也可以是無線電波(雷達)或光(LiDAR)。

　　這三種ToF技術，想擁有更高的角分辨率圖像，LiDAR是最好的選擇，這是因為LiDAR圖像的衍射(光束散度)更小，對鄰近物體識別能力比雷達更優秀(見圖1)。對于高速情況下需要足夠時間來應對如迎頭相撞等潛在危險，更高的角分辨率尤為重要。

　　激光源的選擇

　　在ToF  LiDAR中，激光發出持續時間為τ的光脈沖，在發射的瞬間激活計時電路內部時鐘(見圖2)。從目標反射的光脈沖到達光電探測器時，會產生一種使時鐘失效的輸出電信號。這種電子測量往返ToF  Δt 可計算出目標到反射點的距離R。

　　若現實中激光和光電探測器位于同一位置，其距離R是由以下兩因素影響：

　　c為光在真空中的速度，n為傳播介質的折射率(空氣中折射率接近1)。這兩個因素影響著距離分辨率ΔR：若激光點的直徑大于要解析的目標大小，則測量Δt和脈沖的空間寬度w(w  = cτ)的不確定性為δΔt。

　　第一個因子表示為ΔR = ? cδΔt，而第二個因子則表示為ΔR = ? w = ? cτ。若距離測量的分辨率為5 cm，以上關系表明：δΔt約為300  ps，τ約為300 ps。ToF  LiDAR要求利用小時間抖動的光電探測器和電子探測器(主要對δΔt有貢獻)和能發射短時脈沖的激光(如相對昂貴的皮秒激光)。在典型汽車LiDAR系統中，激光產生的脈沖持續時間約為4  ns，因此最小光束發散角是必需的。

　　圖1  光束發散角取決于發射天線(雷達)或透鏡(LiDAR)的孔徑和波長的比值。此比例對于雷達產生的較大光束發散角和較小角分辨率來說是偏大的。如圖，雷達(黑色)無法區分這兩輛車，而LiDAR(紅色)則可以

　　對汽車LiDAR系統設計者來說，最關鍵的就是選擇光的波長。但有以下幾項因素限制了此選擇：人眼安全性、與大氣的相互作用、可選用的激光器以及可選用的光電探測器。

　　最受歡迎的兩種波長是905 nm和1550 nm，905 nm光波的主要優點是硅能吸收此波長的光子，而硅基光電探測器通常比探測1550  nm光波的砷化鎵銦(InGaAs)紅外(IR)光電探測器便宜。然而，1550  nm對人眼的安全性更高，允許激光使用的每個脈沖輻射能量更大——這是光子預算中的重要因素。

　　大氣衰減(在所有的天氣條件下)，從空氣中粒子的散射，以及目標物理表面的反射，都是依賴于波長的。但對于汽車LiDAR來說，由于天氣條件和反射表面類型可能性眾多，這是一個復雜的問題。在現實的環境中，由于1550  nm的吸水率比905 nm的更強，其實905 nm的光損失更少。

　　光電探測器的選擇

　　發射的脈沖中只有小部分光子到達了光電探測器的有源區域。若大氣衰減不會隨著脈沖路徑發生變化，則激光的光束發散角可忽略不計，照明點小于目標，入射角度為零，反射為完全漫反射(Lambertian)，那么脈沖光接收的峰值功率P(R)為：

　　光電探測器的選擇

　　其中，P0為發射激光脈沖的光峰值功率， ρ 為目標反射率，A0為接收器的孔徑面積，η0為探測光的光譜透射，γ為大氣衰減系數。

　　上述方程表明，隨著距離 R的增加，接收功率迅速降低。作為參數及R=100  m的合理選擇，光電探測器有源區域上返回的光子數近超過典型值(發射1020次)，為其幾百到幾千倍的數量級。而這些光子會與未攜帶有用信息的環境光子競爭。

　　使用窄帶濾波器可減少到達探測器的環境光子數量，但卻不能完全消除。環境可降低檢測的動態范圍和增加噪聲(環境光子散粒噪聲)。值得注意的是，在典型的條件下，地面太陽輻射照度在905  nm到1550 nm區間。

圖2 飛行時間(ToF)LiDAR基本設置的詳解

　　在汽車周圍的創建360° x  20°的3D地圖，需要光柵掃描單個/多個激光光束，或對場景進行光覆蓋并收集點云數據。前一種方法被稱為掃描式LiDAR，而后者是Flash面陣式LiDAR。

　　有幾種方法可以實現掃描式LiDAR。第一種方法，以Velodyne(San  Jose，CA)公司為例，安裝在車頂的激光雷達平臺以每分鐘300~900轉的速度旋轉，同時從64顆905  nm激光二極管發出脈沖。每個光束都有一顆專用雪崩光電二極管(APD)檢測器。類似的方法是使用旋轉多面鏡，在不同方位和下傾角度，以略微不同的傾斜角度來控制單束脈沖。在惡劣且復雜的駕駛環境中，這兩個設計中的運動部件都暗藏著失敗的風險。

　　第二種方法，使掃描式LiDAR變得更緊湊的方法是使用MEMS微鏡，在2D方向上以電控制光束。雖然技術上仍存在一些運動部件(微鏡也有振動)，但振動幅度很小，且頻率足夠高，還可防止MEMS微鏡與汽車之間的機械共振。然而，MEMS微鏡的幾何尺寸限制了其振蕩幅度，因此采用MEMS微鏡的LiDAR視野有限，這是MEMS方法的缺點。盡管如此，由于此種方法成本低、技術成熟，還是賺足了眼球。

　　光學相控陣(OPA)技術，為第三種競爭掃描式LiDAR技術的方法，因其可靠的“無運動部件”設計而深受歡迎。它由光天線元件陣列組成，這些元件同樣被相干光照亮。通過獨立控制每個元件重新發射光的相位和振幅來實現光波轉向，遠場干擾產生一種理想的照明模式，從單光束到多光束。不幸的是，各種各樣小元件的光損耗限制了其可用范圍。

　　Flash面陣式LiDAR對場景進行光覆蓋，盡管照明區域與探測器視野相匹配。在探測光學焦平面上的APD陣列即為探測器。每個APD均獨立地測量ToF以實現該APD對目標特性成像。這是一種真正的“無運動部件”方法，其中切向分辨率被2D探測器的像素大小所限制。

　　然而，Flash面陣式LiDAR的主要缺點是光子預算：一旦距離超過幾十米，返回光子的數量就太少，根本無法進行可靠的探測。如果不是對場景進行光覆蓋，以犧牲切向分辨率為代價，用網格點狀結構光來照明，這就可得到改善。垂直腔面發射激光器(VCSELs)使其可在不同方向同時發射成千上萬的光束。

　　如何不受ToF限制

　　由于探測電子返回脈沖和帶寬較寬的弱點，ToF  LiDAR易受噪聲影響，而閾值觸發可引起測量誤差Δt。基于這些原因，調頻連續波(FMCW)LiDAR是一種有趣的選擇。

　　在FMCW LiDAR(或chirped 雷達)中，天線連續發射的無線電波頻率是調制的，例如其頻率隨著時間T從f0到 fmax線性增加，然后再隨著時間T從  fmax到f0線性減少。如果反射波從某處的移動物體回到發射點，其瞬時頻率將與發射瞬間的頻率不同。差異來自有兩個方面：一是與物體間的距離，二是其相對徑向速度。因此可通過電子測量頻率差異，并計算物體的距離和速度(見圖3)來確定。

圖3 在chirped 雷達中，通過電子測量 fB1 和fB2 ，可以確定反射物體的距離和它的徑向速度

　　受到chirped 雷達的啟發，FMCW  LiDAR可用不同的方式接近被測物體。在最簡單的設計中，可以對照亮目標的光束強度進行“啁啾chirp”(寬帶線性調頻)調制。該頻率與FMCW雷達的載波頻率遵守相同的規律(如多普勒效應)。反射回來的光被光電探測器檢測到，然后恢復其調制頻率。輸出被放大，并與本機振蕩器混合，以允許測量頻率的變化，同時由此計算出目標的距離和速度。

　　但是FMCW LiDAR也有其局限性。與ToF LiDAR相比，它需要更強大的計算能力。因此，FMCW  LiDAR在生成完整3D環境視圖時，速度要慢一些。此外，測量的精度對啁啾斜線的線性度非常敏感。

　　盡管設計一套功能完善的LiDAR系統是非常有挑戰性的，但這些挑戰均是可克服的。隨著研究的深入，我們正越來越接近“大部分汽車完成裝配后就可以實現完全自動駕駛”的時代。