2. 激光雷达基础

激光雷达（LiDAR，Light Detection and Ranging）自20世纪60年代诞生以来，已经从最初的大气遥感工具演变为现代智能感知系统的核心传感器。无论是自动驾驶汽车、无人机测绘，还是工业自动化与安防监控，激光雷达都扮演着“机器之眼”的关键角色。要深入理解FMCW（调频连续波）激光雷达的独特优势，首先必须系统掌握激光雷达的通用原理、技术分类以及衡量其性能的指标体系。本章将围绕这三个维度展开，为后续章节中FMCW技术的深度剖析奠定坚实的知识基础。

上图从宏观视角勾勒了激光雷达技术的整体框架：核心测距原理是所有技术路线的共同基础，而不同的技术分类则是在这一基础上针对特定应用需求演化出的不同实现方案。性能指标则是我们评价和选择激光雷达产品的“标尺”。接下来，我们将逐一深入探讨这三个模块。

2.1 激光雷达的基本工作原理

激光雷达的工作原理本质上是一个主动光学测距过程。它通过向目标发射激光束，然后接收从目标表面反射回来的信号，通过测量发射与接收之间的时间延迟、频率变化或相位差，来精确计算目标与传感器之间的距离。这一过程与雷达（无线电探测与测距）类似，只是将微波频段换成了频率更高的光波频段（通常为红外光或可见光）。

根据信号处理方式的不同，激光雷达的测距原理主要分为两大类：飞行时间法（ToF）和相干探测法（FMCW）。ToF直接测量光脉冲的往返时间，而FMCW则通过测量发射信号与回波信号之间的频率差来间接计算距离。此外，还有基于几何三角关系的三角测距法，以及利用相位偏移测量的相位法，但它们在主流远距离探测应用中相对较少。

在实际系统中，激光雷达通常由四个核心模块组成：激光发射模块（激光器、光束整形光学）、扫描模块（机械旋转镜、MEMS微振镜、或固态相控阵）、接收与探测模块（光电探测器如APD、SPAD，或PIN光电二极管）、以及信号处理模块（放大器、ADC、FPGA/DSP）。发射模块产生特定波长和功率的激光束，扫描模块决定激光束的指向方向，接收模块将微弱的光信号转换为电信号，信号处理模块则负责提取距离、速度等信息。

2.2 激光雷达的主要技术分类

激光雷达的技术路线呈现出“百花齐放”的态势，不同技术方案在性能、成本、可靠性和集成度上各有取舍。理解这些分类是进行系统选型和技术评估的前提。

从上表可以看出，FMCW技术虽然在成本和复杂度上不占优势，但其同时测距测速和强抗干扰的能力，使其成为L3级以上自动驾驶最具潜力的技术方案。而相控阵技术则代表了未来全固态、高可靠性的发展方向，尽管目前仍面临工程化挑战。

2.3 激光雷达的核心性能指标体系

评价一款激光雷达的性能，不能仅看单一参数，而需要从测距能力、测量精度、分辨率、速度感知、环境适应性等多个维度综合考量。以下是工程实践中最为关键的几项指标：

• 测距精度（Distance Accuracy）：指测量距离与真实距离之间的偏差程度，通常以厘米或毫米为单位。高精度是测绘和精密工业应用的基础。
• 测距精密度/重复性（Precision）：指多次测量同一目标时结果的一致性，反映了系统的随机噪声水平。
• 速度精度（Velocity Accuracy）：对于FMCW激光雷达，这是其独有优势，能够直接通过多普勒频移测量目标的径向速度，精度可达0.1 m/s甚至更高。
• 角分辨率（Angular Resolution）：指相邻两个激光束之间的最小角度间隔，决定了点云的密度和对小物体的识别能力。角分辨率越高，点云越密集。
• 距离分辨率（Range Resolution）：指能够区分两个相邻目标的最小距离间隔。对于ToF雷达，这取决于脉冲宽度；对于FMCW雷达，则取决于调频带宽。
• 最大测程（Maximum Range）：指在特定目标反射率（如10%反射率）和大气条件下，系统能够可靠探测的最大距离。这是衡量雷达“看得多远”的关键指标。
• 视场角（FOV）：包括水平视场角和垂直视场角，决定了雷达的覆盖范围。
• 数据率（Data Rate）：每秒产生的点云数据量，通常以百万点/秒（Mpps）为单位，影响系统对动态场景的响应能力。

2.4 实战场景：自动驾驶中的激光雷达选型分析

为了将上述理论应用于实际，我们以一个典型的L3级自动驾驶前向主雷达选型项目为例，进行方案对比分析。

项目背景与约束：某车企计划为2025年量产车型搭载前向激光雷达，要求：① 在150km/h相对速度下能可靠探测200米处的车辆；② 能够区分10米外两个相距0.5米的行人；③ 在隧道、强光及多雷达干扰场景下性能不显著下降；④ 单颗成本控制在1000美元以内。

初始方案与数据：初步筛选出两款候选产品：A款为传统905nm ToF机械式雷达，标称测程250m@10%反射率，角分辨率0.1°，成本850美元；B款为1550nm FMCW固态雷达，标称测程200m@10%反射率，角分辨率0.05°，成本1500美元。

分析判断过程：

1. 测程与速度验证：对于200米探测距离要求，两款均满足。但考虑到高速场景下需要更早发现目标，A款在测程上略有优势。
2. 分辨率验证：在10米距离上，A款角分辨率0.1°对应的横向分辨率为10m × tan(0.1°) ≈ 17.5mm，远小于0.5m，满足要求；B款更优。
3. 抗干扰与速度感知：这是关键差异点。A款ToF雷达在隧道内可能因灰尘、水雾产生误检，且无法直接测速，需要与毫米波雷达融合；B款FMCW雷达通过相干检测，天然抗干扰，且可直接输出目标速度，有助于减少对毫米波雷达的依赖。
4. 成本与集成：A款成本低，但体积较大；B款成本超预算，但固态设计更利于整车集成。

实际操作与结果：经过多轮Demo测试，在模拟隧道强干扰场景下，A款出现3次误触发，B款零误触发。最终项目组决定采用“B款FMCW作为前向主雷达 + 低成本ToF作为补盲雷达”的混合方案，虽然单车成本增加约400美元，但系统整体安全冗余显著提升。

复盘经验：选型不能仅看参数表，必须结合具体场景进行实测。FMCW的“抗干扰”和“直接测速”能力在复杂交通环境中具有不可替代的价值，而ToF在成本敏感型场景中仍有其生存空间。

2.5 常见误区与总结复盘

在激光雷达的学习与应用中，工程师和决策者常陷入以下误区：