📚 课程目录第2章激光雷达基础

2、激光雷达基础：工作原理（TOF、FMCW）、点云数据格式（PCD、LAS、XYZ）、主要参数（精度、帧率、视场角）

激光雷达（LiDAR）是无人机飞控系统中感知环境的核心传感器，其输出的点云数据直接决定了避障、地形跟随和自主降落等功能的可靠性。要正确处理点云数据，首先必须理解激光雷达的物理测量原理、数据组织方式以及关键性能指标。本章将围绕这三个维度展开，帮助学员建立从“光子发射”到“飞控可用的坐标点”的完整认知链路。

2.1 工作原理：TOF 与 FMCW 的对比与选型

2.1.1 核心原理

TOF（Time of Flight，飞行时间法）是目前无人机激光雷达最主流的方案。其核心思想是：激光器发射一个极短的脉冲（通常为纳秒级），经过目标物体反射后由探测器接收。通过测量光脉冲从发射到接收的时间差 Δt，即可计算出目标距离：d = c × Δt / 2，其中 c 为光速（约 3×10⁸ m/s）。由于光速极快，TOF 雷达需要皮秒级的时间测量电路，通常采用 TDC（时间数字转换器）或 ADC 采样配合相关算法实现。

FMCW（Frequency Modulated Continuous Wave，调频连续波）则采用不同的策略：激光器发射频率随时间线性变化的连续波（如三角波或锯齿波调制）。回波信号与本振信号混频后产生差频 Δf，该差频与目标距离成正比。同时，多普勒效应引起的频率偏移可解算出目标的径向速度。FMCW 的典型公式为：d = c × Δf / (2 × S)，其中 S 为调频斜率（Hz/s）。

2.1.2 判断方法与选型依据

对比维度	TOF	FMCW
测距原理	脉冲飞行时间	频率差拍
抗干扰能力	弱（易受其他激光源干扰）	强（频率编码天然抗干扰）
速度测量	需多帧差分	单帧即可直接测量
典型成本	低（成熟供应链）	高（光模块复杂）
适用场景	消费级/轻小型无人机	自动驾驶/高端工业无人机

在飞控应用中，若无人机以 10m/s 速度飞行，TOF 雷达在 50ms 帧间隔内会产生 0.5m 的运动畸变，而 FMCW 可通过单帧多普勒数据直接补偿。因此，高速飞行或强电磁干扰环境优先选择 FMCW；而成本敏感、低速悬停场景则 TOF 更具性价比。

经验提醒：对于飞控点云预处理，TOF 雷达需要额外做“运动畸变校正”，通常结合 IMU 数据在 1ms 内完成插值补偿。FMCW 虽然自带速度信息，但点云密度通常低于同价位的 TOF 产品。

2.2 点云数据格式：PCD、LAS 与 XYZ

2.2.1 格式定义与结构

点云数据本质上是三维空间中的离散点集合，每个点至少包含 X、Y、Z 坐标，通常还附带强度（Intensity）、时间戳（Timestamp）、通道号（Channel）等属性。飞控系统对数据格式的解析效率直接影响实时性。

PCD（Point Cloud Data）：PCL 库的原生格式，支持二进制和 ASCII 两种编码。文件头包含 VERSION、FIELDS、SIZE、TYPE、COUNT、WIDTH、HEIGHT 等字段，可灵活扩展自定义属性。适合算法开发阶段使用，但文件体积较大。
LAS（Laser File Format）：ASPRS 制定的行业标准格式，广泛用于测绘和地理信息系统。LAS 1.4 版本支持点分类（地面、植被、建筑等）、GPS 时间、RGB 颜色等丰富属性。飞控中常用于离线地图生成，而非实时处理。
XYZ（纯文本坐标）：最简单的格式，每行三个浮点数，以空格或逗号分隔。部分变体为 XYZI（含强度）或 XYZRGB（含颜色）。优点是解析开销极小，适合嵌入式飞控直接读取。

2.2.2 格式转换与飞控适配

飞控系统通常运行在 STM32H7 或 i.MX8 等嵌入式平台，内存和 CPU 资源有限。推荐的处理流程为：

雷达驱动层将原始数据包解析为内部结构体（含 x, y, z, intensity, timestamp）；
根据飞控通信协议（如 MAVLink 的 POINT_CLOUD 消息）将点云序列化为紧凑二进制流；
地面站或机载计算机再将其转换为 PCD/LAS 用于离线分析。

// 飞控内部点云结构体示例（C语言）
typedef struct {
    float x;          // 单位：米
    float y;
    float z;
    uint8_t intensity; // 0-255
    uint32_t timestamp_ms; // 相对开机时间
} point3d_t;

风险提示：LAS 格式的坐标通常采用整数缩放（如 0.001m 精度），直接用于飞控实时控制会引入量化误差。务必在飞控内部使用 float32 或 double 存储，仅在输出到文件时转换为 LAS。

2.3 主要参数：精度、帧率、视场角

2.3.1 参数定义与影响

参数	典型值范围	对飞控的影响
测距精度	±1cm ~ ±5cm	决定避障安全距离阈值设定
帧率	5Hz ~ 30Hz	影响控制延迟和运动畸变程度
水平视场角	360° / 90° / 45°	决定环境覆盖范围
垂直视场角	15° ~ 45°	影响地面检测和上方障碍感知
角分辨率	0.1° ~ 1°	决定远距离目标的最小可分辨尺寸

2.3.2 参数匹配与飞控调优

以典型四旋翼避障场景为例：若无人机最大飞行速度为 15m/s，制动距离为 3m，则要求雷达探测距离至少 20m（含安全余量）。帧率选择需满足：帧率 ≥ 飞行速度 / (安全距离 × 单帧位移系数)。当帧率为 10Hz 时，单帧间无人机移动 1.5m，对于 0.5m 直径的树枝，至少需要 3 个连续帧才能稳定检测。因此，建议避障雷达帧率不低于 15Hz。

2.3.3 案例拆解：某农业无人机避障雷达选型

背景与约束：某植保无人机需要在果园环境中以 8m/s 速度仿地飞行，果树行距 4m，树枝直径 2-5cm。飞控要求点云延迟小于 50ms，且成本控制在 3000 元以内。

初始现象：初期选用某国产 360° TOF 雷达（帧率 10Hz，精度 ±3cm，垂直 FOV 20°），实测发现：

在 15m 距离处，2cm 直径的细枝检测率仅 62%；
高速飞行时点云出现明显“拖尾”现象，导致误判障碍物位置；
阳光直射时近距（<2m）点云噪声增加 40%。

分析过程：通过日志分析发现，帧率 10Hz 导致相邻帧间无人机位移 0.8m，而雷达角分辨率 0.5° 在 15m 处对应横向分辨率 13cm，远大于树枝直径。垂直 FOV 20° 在 5m 高度时仅覆盖 1.8m 宽度，无法同时探测树冠和树干。

优化措施：

更换为 90°×30° FOV 的 TOF 雷达，帧率提升至 20Hz，角分辨率优化至 0.2°；
在飞控中启用“动态 ROI”功能，仅处理飞行方向前方 ±45° 范围内的点云；
增加基于强度的滤波，剔除反射率低于 8% 的远距离噪点。

结果对比：细枝检测率提升至 94%，点云延迟降至 35ms，误报率下降 70%。代价是功耗增加 1.2W，但整机续航仅缩短 3%。

复盘经验：选型时不能只看单参数，需将精度、帧率、FOV 与飞行速度、目标尺寸联合建模。建议使用公式：最小可检测尺寸 = 2 × 距离 × tan(角分辨率/2) 进行预验证。

2.4 常见误区与总结复盘

  误区一：认为“精度越高越好”。实际上，飞控避障需要的是“一致性”而非“精度”。如果雷达在 5m 处测距抖动 ±2cm，但每次测量都稳定在同一偏移，飞控可以通过标定消除。反之，高精度但随机噪声大的雷达反而更难处理。

  误区二：忽略视场角与安装角度的匹配。垂直 FOV 过小会导致近地面盲区，无人机在起降阶段可能无法感知地面突起。建议将雷达向下倾斜 5°-10°，使近场覆盖范围与起落架高度匹配。

  误区三：直接使用 PCD 格式进行实时传输。PCD 的 ASCII 编码体积是二进制的 3-5 倍，且解析耗时。飞控内部应使用自定义紧凑结构体，仅在记录黑匣子数据时转换为 PCD。

本章总结：激光雷达的选型与数据处理必须围绕“物理原理 → 数据格式 → 参数匹配”这条主线展开。TOF 适合大多数无人机场景，FMCW 用于高端抗干扰需求；点云格式选择需权衡解析效率与信息丰富度；精度、帧率、FOV 三个参数必须结合飞行任务联合设计。下一阶段将进入点云预处理算法，届时会用到本章的坐标系定义和格式转换基础。