4. LiDAR原理与标定
在Camera-LiDAR-Radar融合感知系统中，LiDAR承担着高精度三维几何感知的核心角色。与Camera提供稠密纹理、Radar提供径向速度不同，LiDAR直接输出具有物理尺度的三维点云，是空间标定、目标定位与可通行区域分析的基准传感器。理解LiDAR的工作机理与标定方法，是后续多传感器融合能否落地的前提。
一、TOF测距原理
主流车载LiDAR采用脉冲飞行时间（Time of Flight, TOF）测距。激光二极管发射一束极短脉冲，光子在目标表面发生漫反射后返回接收器，通过测量发射与接收之间的时间差 Δt 计算距离：
d = c · Δt / 2
其中 c ≈ 3×10^8 m/s，除以 2 是因为光走了一个往返典型机械式LiDAR单脉冲宽度约几纳秒，对应厘米级测距分辨率。测距精度受时间测量电路抖动、回波强度、目标反射率与入射角影响。对于低反射率目标（如黑色车漆、沥青）或远距离目标，回波功率按 1/d² 衰减，容易低于探测阈值而丢点。因此工程上常关注“测距精度”与“最大测程”两个指标，它们与目标反射率强相关，不能脱离测试条件单独比较。
二、扫描机制与点云特性
机械旋转式LiDAR通过旋转激光头实现360°水平扫描，多组激光器垂直排列形成固定俯仰角，从而获得多条扫描线。固态LiDAR则采用MEMS微振镜、转镜或光学相控阵（OPA）实现非机械扫描，视场角通常为前向120°左右，但体积、可靠性与成本更优。扫描机制直接决定点云的空间分布：
- 非均匀性：机械式点云在近处密集、远处稀疏，垂直方向线间存在盲区；
- 运动畸变：旋转扫描一周需要时间（如10 Hz对应100 ms），期间车辆运动导致同一帧内各点实际采集时刻不同；
- 反射强度：强度值与目标材质、距离、入射角相关，可用于路面与车道线区分，但不能直接当作反射率使用；
- 盲区与遮挡：近场存在最小测距盲区，遮挡区域形成阴影，融合时需与Camera视野互补。
点云是无序、稀疏、非结构化的三维点集合，不具备图像那样的规则网格。因此点云处理通常先做体素化、地面分割、聚类，再提取目标框，而不是直接套用CNN卷积。
三、LiDAR内参与外参标定
LiDAR内参描述传感器自身的几何与测距特性，包括各激光束的垂直俯仰角、水平角度偏移、距离修正系数、安装偏心等。机械式LiDAR出厂时已给出内参文件，但长期使用后可能因振动、温度漂移产生偏差，需要定期校验。内参标定通常在室内靶标场进行，利用已知距离与角度的反射板，拟合各线束的角度与距离修正量。
外参标定确定LiDAR相对于车辆坐标系或其他传感器的位姿，即旋转矩阵 R 与平移向量 t。常见方法包括：
- 靶标法：在场景中布置已知几何的标定板或角反射器，分别在LiDAR与Camera中提取对应特征，求解 PnP 或点面约束；
- 运动法：利用车辆行驶中的LiDAR里程计与IMU/轮速里程计轨迹对齐，通过手眼标定求解外参；
- 无靶标法：基于道路平面、车道线、杆状物等自然特征，通过互信息或边缘对齐优化外参。
外参标定的精度直接决定融合效果。若LiDAR与Camera外参存在1°旋转误差，在50 m处投影偏差可达约0.87 m，足以让目标框与图像目标错位。因此工程上要求外参重投影误差控制在像素级或厘米级，并建立定期在线校验机制。
四、运动畸变校正流程与案例
运动畸变校正的核心思想是：为每个点赋予精确时间戳，利用帧内位姿插值将该点变换到统一参考时刻。典型流程如下：
输入：原始点云 P_i (x, y, z, intensity, t_i)
IMU/轮速里程计位姿序列 T(t)
1. 对每个点，根据 t_i 在 T(t) 中插值得到 T(t_i)
2. 计算参考时刻 t_ref 的位姿 T(t_ref)
3. 将点变换到参考坐标系：
P_i' = T(t_ref)^(-1) · T(t_i) · P_i
4. 输出校正后点云 P'
5. 用 P' 进行外参标定与目标检测某园区物流车案例中，车辆以15 km/h转弯时，未校正点云中路边杆状物出现明显“拖尾”，导致聚类目标框拉长、与Camera图像中的杆状物无法对齐。引入IMU插值校正后，杆状物点云收敛为竖直细线，外参重投影误差从约8像素降至2像素以内，融合检测的漏检率下降约30%。
| 环节 | 关键输入 | 输出 | 常见问题 |
|---|---|---|---|
| TOF测距 | 脉冲时间差、回波强度 | 距离、强度 | 低反射率丢点、远距离噪声 |
| 扫描 | 旋转角度、线束编号 | 方位角、俯仰角 | 非均匀分布、盲区 |
| 内参标定 | 靶标距离/角度 | 线束角度、距离修正 | 温漂、振动导致偏差 |
| 运动畸变校正 | 点时间戳、IMU位姿 | 统一时刻点云 | 时间同步误差、插值不准 |
| 外参标定 | 对应特征、点云/图像 | R, t | 初值差、对应错误、未校正畸变 |
五、误区与复盘
- 误区一：把强度当反射率。强度受距离与入射角调制，直接用于材质分类会误判，需先做距离与角度归一化。
- 误区二：忽略时间同步。LiDAR、Camera、IMU时间戳未对齐时，运动畸变校正和外参标定都会引入系统性误差。
- 误区三：一次标定长期使用。车辆振动、碰撞、传感器拆装都会改变外参，应建立在线校验与定期复标流程。
- 误区四：用未去畸变点云做标定。这会把帧内运动错误地吸收进外参，导致标定结果随运动状态变化。
复盘来看，LiDAR在融合感知中的价值不仅在于“看得准”，更在于“标得准、对得齐”。TOF测距决定单点精度，扫描机制决定点云分布，内参保证传感器自身几何正确，外参保证与其他传感器空间一致，运动畸变校正保证帧内时间一致。只有这五个环节全部闭环，LiDAR点云才能真正成为Camera-LiDAR-Radar融合感知中可靠的三维几何基准。