1. 课程导入

各位工程师朋友，欢迎来到《激光雷达光学系统实战手册》。我是你们的老朋友，在光学系统设计这行摸爬滚打了十几年。今天咱们聊聊激光雷达的“根”——它的工作原理、分类、指标，还有那些你不得不知道的坑。

说实话，我刚入行那会儿，激光雷达还是个“奢侈品”。一台机械式雷达几十万，调试一次心疼半天。现在不一样了，固态、FMCW、芯片化方案遍地开花。但不管怎么变，核心原理就那几样。搞懂了这些，后面设计光学系统才不会跑偏。

1.1 激光雷达工作原理：它怎么“看”世界的？

激光雷达，说白了就是“用激光当尺子”。它发射一束激光，打到目标上反射回来，通过测量光飞行的时间、频率变化或者角度偏移，算出目标的距离和位置。

你想想看，光速是3×10⁸ m/s，要测几米到几百米的距离，时间精度得做到纳秒级。这就是为什么激光雷达的电子系统比光学系统还难搞——我见过不少团队，光学设计得漂漂亮亮，结果电路噪声太大，测距精度直接崩了。

核心公式很简单：

距离 = (光速 × 飞行时间) / 2

除以2是因为光走了个来回。嗯，这里要注意，这个公式只适用于直接探测。如果是相干探测，还得考虑相位差。

1.2 三大主流分类：ToF、FMCW、三角法

目前市面上90%的激光雷达都跑不出这三类。我按自己的理解给你排个序：

类型	原理	优点	缺点	典型场景
ToF（飞行时间法）	直接测量脉冲飞行时间	结构简单、技术成熟、成本低	多路径干扰、精度受限于时间分辨率	自动驾驶、机器人导航
FMCW（调频连续波）	测量发射与回波的频率差	抗干扰强、可直接测速、无多路径问题	系统复杂、对光源相干性要求高	高级辅助驾驶、远距探测
三角法	利用激光入射角与接收位置偏移	近距离精度极高、成本低	远距离精度急剧下降	工业测量、短距避障

ToF 是现在的主流，尤其是自动驾驶领域。我做过一个项目，客户要求测距精度到±2cm，结果发现ToF的时钟抖动就占了1.5cm。后来我们换了更高精度的TDC芯片，才算勉强达标。

FMCW 是未来的趋势。为什么？因为它能同时测距和测速，而且不怕多台雷达互相干扰。我记得有一次在测试场，三台ToF雷达同时工作，数据全乱了。换成FMCW之后，稳如老狗。

三角法 嘛，适合短距离。我曾经用它做过一个扫地机器人的避障模块，10cm以内精度能到0.5mm。但超过1米，误差就大到没法看了。

1.3 核心性能指标：别被参数表忽悠了

选型的时候，厂商给的参数表往往“水分”很大。我教你几个关键指标怎么看：

• 测距精度：不是越准越好。±2cm和±5cm在自动驾驶里差别不大，但成本差一倍。我建议根据应用场景选，别盲目追求高精度。
• 视场角（FOV）：水平FOV和垂直FOV要分开看。机械式能做到360°，但固态雷达通常只有120°。嗯，这里要注意，FOV越大，点云密度越低，因为总点数被摊薄了。
• 角分辨率：决定了你能看清多小的物体。0.1°的角分辨率，在100米外能分辨17cm的物体。这个指标直接决定了雷达能不能“看到”路上的小障碍物。
• 帧率：10Hz是及格线，20Hz算不错。帧率太低，高速运动的目标会“拖影”。我见过一个案例，帧率只有5Hz，结果一辆自行车从侧面冲过来，雷达根本没反应过来。

1.4 典型应用场景：激光雷达在哪发光？

激光雷达不是万能的，但在某些场景下，它就是“唯一解”。

• 自动驾驶：L3级以上必备。摄像头怕逆光、怕黑夜，毫米波雷达分辨率低，只有激光雷达能提供高精度的3D点云。我参与过一个L4项目，激光雷达的点云数据占了整个感知系统的70%权重。
• 机器人：AGV、配送机器人、扫地机。这里主要用ToF和三角法。机器人速度慢、距离近，对成本敏感。我建议用单线或2D激光雷达，性价比最高。
• 测绘与安防：地形测绘、建筑建模、周界监控。这类场景要求远距离、高精度，FMCW和高端ToF是首选。我记得有个测绘项目，客户要求测距到500米，误差不超过5cm。我们最后用了1550nm的FMCW方案，才勉强达标。

1.5 知识结构图：一张图看懂本章

下面这张图是我自己画的，把本章的核心逻辑串起来了。你保存下来，以后复习直接用。