激光雷达基础：工作原理、类型与数据格式

大家好，我是你们的讲师。今天咱们聊聊激光雷达的基础知识。说实话，这玩意儿我接触了快十年，从最早的机械式一路做到现在的固态式，踩过的坑真不少。但别担心，我会把最核心的东西掰开揉碎了讲给你听。

一、激光雷达是怎么“看”世界的？

激光雷达，英文叫LiDAR，说白了就是“激光+雷达”。它跟咱们人眼不一样——人眼靠接收环境反射的可见光，而激光雷达是自己主动发射激光，然后等激光碰到物体弹回来，再根据时间差或者角度差算出距离。

目前主流的测距原理就两种：TOF（飞行时间法）和三角法。

1. TOF法：简单粗暴，但很有效

TOF的原理特别直白：我发射一束激光，记录下发射的时刻t1；等激光碰到物体反射回来，接收器收到信号，记录下时刻t2。那么距离d = c × (t2 - t1) / 2，其中c是光速。

你想想看，光速是3×10⁸ m/s，如果目标距离10米，来回也就66纳秒左右。所以TOF雷达的核心难点在于——时间测量必须极其精确。我在项目中用过一款TOF雷达，它的时间分辨率做到了几十皮秒级别，才能保证厘米级的测距精度。

2. 三角法：短距离的精度之王

三角法的思路不太一样。它把激光发射器和接收器（通常是CMOS或CCD）分开一段距离，形成一个三角形。激光打到物体上，反射光落在接收器上的位置会随着距离变化而移动。通过几何关系，就能算出距离。

三角法的优势在于近距离精度极高，可以达到微米级别。但缺点也很明显——距离越远，精度下降越快。所以它主要用于室内机器人、工业测量等场景。

对比项	TOF法	三角法
测距范围	几十米到几百米	几米到十几米
近距离精度	厘米级	毫米甚至微米级
远距离精度	相对稳定	急剧下降
抗环境光能力	中等（需滤光）	较强
典型应用	自动驾驶、测绘	AGV、工业检测

二、机械式 vs 固态式：两种截然不同的“扫描”方式

搞清楚了测距原理，咱们再来看看激光雷达是怎么“扫描”整个环境的。这里分两大流派：机械式和固态式。

1. 机械式激光雷达：老大哥，但依然能打

机械式雷达，顾名思义，就是靠电机带着激光收发模块旋转。我最早接触的是Velodyne的HDL-64E，64线，转起来嗡嗡响，像个小型电风扇。它通过旋转实现360°水平视场角，垂直方向则靠多组激光器堆叠（比如16线、32线、64线）。

优点很明显：视场角大、技术成熟、点云密度高。但缺点也让人头疼：

• 有机械运动部件——电机、轴承、滑环，这些都会磨损。我记得有个项目，雷达用了半年，滑环接触不良，导致某几根扫描线数据时断时续，排查了好久才发现。
• 体积大、重量重——64线雷达跟个小水桶似的，装在车顶特别显眼。
• 成本高——早期一台64线雷达要几十万人民币。

2. 固态式激光雷达：后起之秀，未来趋势

固态式雷达没有旋转部件，靠电子方式控制激光束的偏转。主流技术路线有三种：

• MEMS微振镜：用一个小镜子反射激光，镜子通过微电机快速摆动，实现扫描。我测试过一款MEMS雷达，体积只有火柴盒大小，但视场角能做到120°×30°。
• OPA光学相控阵：通过控制阵列中每个发光单元的相位，让激光束在空间中干涉，实现无机械偏转。这技术听着很科幻，但目前还在实验室阶段。
• Flash面阵：一次性发射一个大面积的激光脉冲，然后用焦平面阵列接收。有点像相机闪光灯，一次拍一张“深度图”。

我个人更看好固态雷达的未来。为什么？因为它成本低、体积小、可靠性高。自动驾驶量产车现在基本都转向固态方案了。但固态雷达也有短板——视场角通常不如机械式大，而且远距离性能还在追赶。

三、点云数据格式：激光雷达的“语言”

激光雷达采集到的原始数据，经过处理后就是点云。点云说白了就是一大堆三维坐标点，每个点代表激光打到物体表面的一个位置。

1. 最基本的点云结构

一个点通常包含以下信息：

• x, y, z：三维坐标，单位通常是米
• intensity：反射强度，反映物体表面的反射特性
• ring：线束编号（对于多线雷达）
• timestamp：时间戳

在代码里，一个点可以这样表示：

// C++ 结构体示例
struct PointXYZI {
    float x;      // 4字节
    float y;      // 4字节
    float z;      // 4字节
    float intensity; // 4字节
};

2. 常见的点云文件格式

实际项目中，点云数据需要保存和交换。我常用的格式有这几种：

格式	特点	适用场景
PCD	Point Cloud Library原生格式，支持多种字段	PCL处理、算法开发
PLY	支持顶点和面片，可带颜色	3D建模、可视化
LAS/LAZ	行业标准，压缩率高	测绘、地理信息
BIN	纯二进制，无头信息	高性能读写、嵌入式

3. 点云数据在内存中的组织方式

点云不是简单的数组，它通常有特定的组织方式。对于多线机械式雷达，点云是按扫描线组织的：

// 伪代码：按线束组织点云
for (int ring = 0; ring < num_rings; ++ring) {
    for (int azimuth = 0; azimuth < points_per_ring; ++azimuth) {
        Point p = cloud[ring * points_per_ring + azimuth];
        // 处理点 p
    }
}

这种组织方式对后续的障碍物检测很重要。比如做地面分割时，我经常利用同一扫描线上相邻点的连续性来加速计算。

四、本章知识体系总览

说了这么多，咱们用一张图来总结一下本章的核心内容：

嗯，这张图把本章的三个核心模块串起来了。从工作原理出发，理解TOF和三角法的区别；然后根据应用场景选择机械式或固态式雷达；最后，不管用哪种雷达，最终都要面对点云数据的解析和处理。

我个人觉得，初学者最容易犯的错误是——一上来就调算法，却连雷达输出的点云是什么格式都没搞清楚。我曾经带过一个实习生，花了两周时间调聚类算法，结果发现他读进来的点云坐标单位是厘米，而算法默认是米，所有距离都差了100倍。这种低级错误，只要花10分钟看看数据格式就能避免。

好了，这一章的内容就到这里。记住，激光雷达是你的“眼睛”，但只有理解了它的工作原理和数据格式，你才能真正用好这双眼睛。