2. LiDAR基础
LiDAR（Light Detection and Ranging，激光雷达）是一种主动式三维测量传感器。它通过发射激光脉冲并接收目标反射回波，利用“飞行时间”计算距离，再结合扫描角度与安装姿态，把离散测距点还原为空间点云。理解 LiDAR，不能只记“能测距”，而要同时看清它的发射—扫描—接收—计时—点云生成链路，以及不同技术路线对可靠性、量产一致性和环境适应性的影响。
一、核心原理：从飞行时间到三维点云
LiDAR 的基本测距公式非常简洁：d = c × Δt / 2。其中 c 是光速，Δt 是激光从发射到返回的往返时间，除以 2 是因为光走了“去”和“回”两段路程。直接飞行时间法（dToF）通过高精度计时器（TDC）测量纳秒级时间差；间接飞行时间法（iToF）则通过调制光的相位差反推距离。车载长距 LiDAR 多采用 dToF 路线，因为它更容易实现远距离、高抗干扰和高峰值功率。
仅有距离还不够。要形成三维点云，还必须知道每一束激光的水平角与俯仰角。扫描机构或固态光束偏转器负责把激光指向不同方向，编码器或 MEMS 反馈提供角度信息，最终通过球坐标到笛卡尔坐标的变换得到每个点的 x、y、z。与此同时，接收链路还会记录回波强度、时间戳和环号，这些附加信息对后续标定、去畸变和目标分类至关重要。
关键理解：LiDAR 输出的不是“图像”，而是带时间戳的三维点集合。点云的质量由测距精度、角度精度、时间同步精度和标定精度共同决定，任何一环偏差都会在远距离被放大。
二、分类：机械、半固态与固态
按扫描方式，LiDAR 可分为机械旋转式、半固态式和固态式。机械式通过旋转整个光学头实现 360° 扫描，点云均匀、技术成熟，但存在电机磨损、体积大、成本高和量产一致性挑战。半固态式保留部分运动部件，如转镜、MEMS 微振镜或棱镜，在成本、可靠性和视场角之间取得折中。固态式完全没有宏观运动部件，依靠 OPA、Flash 或液晶等方案实现光束偏转，理论寿命长、抗震性好，但当前在探测距离、视场角和量产良率上仍需持续验证。
| 类型 | 扫描方式 | 典型优势 | 量产关注点 |
|---|---|---|---|
| 机械旋转式 | 电机带动光学头旋转 | 360° 视场、点云均匀 | 轴承磨损、密封、振动一致性 |
| 半固态式 | MEMS 振镜 / 转镜 / 棱镜 | 成本适中、体积较小 | 振镜疲劳、温漂、装配公差 |
| 固态式 | OPA / Flash / 液晶 | 无运动部件、抗震性好 | 探测距离、视场角、良率 |
三、关键性能指标与常见术语
评估 LiDAR 不能只看“多少线”。测距能力通常以 10% 反射率目标下的最大探测距离表示；测距精度是重复测量同一目标的标准差；角分辨率决定相邻点之间的最小可分辨角度，直接影响小目标识别能力。视场角分为水平 FOV 和垂直 FOV，决定感知覆盖范围。帧率影响运动场景下的点云密度和实时性。点频是每秒输出的点数，等于线数、帧率和每线点数的乘积。
常见术语还包括：回波强度，反映目标反射率与距离的综合结果；多回波，指同一束激光接收到多个返回脉冲，可穿透雨雾或植被缝隙；盲区，指最近可测距离以内的区域；串扰，指多台 LiDAR 同时工作时相互干扰；点云去畸变，指利用时间戳和运动信息修正运动造成的点云变形。这些术语在量产测试中都会转化为具体的测试项和判定阈值。
典型参数示例：
波长：905 nm
最大探测距离：200 m @ 10% 反射率
测距精度：±2 cm
水平 FOV：120°
垂直 FOV：25°
角分辨率：0.1° × 0.1°
帧率：10 Hz
点频：约 150 万点/秒
四、典型应用场景与量产测试关联
LiDAR 的典型应用包括自动驾驶与 ADAS、机器人导航、高精度地图采集、智慧交通和工业测量。在自动驾驶中，LiDAR 常用于前向远距探测和补盲，与摄像头、毫米波雷达形成冗余感知。在机器人领域，LiDAR 用于 SLAM 建图、避障和定位。在高精度地图采集中，LiDAR 与 GNSS/IMU 组合，生成厘米级道路点云。
这些场景对可靠性和量产一致性提出了不同要求。例如，前向远距 LiDAR 更关注 200 米外的测距能力和雨雾穿透性；补盲 LiDAR 更关注近场大视场角和盲区大小；机器人 LiDAR 更关注低功耗、长寿命和成本。量产测试需要覆盖高低温、振动、防水防尘、EMC、老化寿命和批量一致性，确保每一台下线产品在真实环境中都能稳定输出可信点云。
学习建议：把 LiDAR 参数与测试项对应起来记忆。例如“测距精度”对应静态靶标重复性测试，“角分辨率”对应点云密度与目标分辨测试，“帧率”对应动态场景时间同步测试。这样在后续可靠性章节中，就能快速定位每个指标背后的验证方法。
常见误区：把“线数”等同于“性能”。高线数不一定代表远距离探测能力强，也不一定代表点云质量高。实际性能还取决于激光功率、接收灵敏度、扫描策略、标定精度和算法处理。量产选型时，应结合具体场景做系统级评估，而不是只看单一参数。
总结来看，LiDAR 的核心是“测距 + 测角 + 时间同步”，分类决定其可靠性边界，关键指标决定其场景适配性，而量产测试则把这些指标从实验室数据转化为可重复、可追溯、可交付的产品能力。理解这一层关系，是后续学习环境可靠性与量产测试方法的基础。