一、LiDAR 的基本原理
- 核心思路：发出激光脉冲（或连续波），接收从目标反射回来的光，测量飞行时间或相位/频率变化，计算距离并重建三维点云。
- 主流测距机理
- ToF 脉冲式（Time of Flight）：测量往返时间 Δt，距离 R=c⋅Δt/2。优点是实现成熟、远距能力强；缺点是抗强光/多径需要较强的信噪比和后端算法。
- 相位式 ToF（AMCW）：对连续调制光的相位差进行测距，近中距高精度、抗噪好，但远距能量预算更苛刻。
- FMCW（调频连续波）：同时得到距离与径向速度（多普勒），本征抗干扰强、对阳光和同频干扰鲁棒，但器件与系统复杂度高、产业化仍在加速期。
- Flash/阵列式：一次照亮一个视场，用二维阵列探测器并行读出，速度快、无扫描机构，常用于近距/小型化。
- 简化的“激光雷达方程”（脉冲体制思路）：回波光子数与发射能量、目标反射率、几何扩散、通道损耗和接收口径/效率相关。远距测量本质上是“能量预算 + 噪声抑制”。
二、关键器件与系统构型
- 光源（激光器）
- 905 nm 二极管激光：成本低、成熟，民用常见；眼安等级受限，远距通常需更大发射孔径与良好整形。
- 1550 nm 光纤/集成激光器：眼睛对该波段透过率低，更易达更高峰值功率且仍满足 IEC 60825 眼安要求，利于远距与更高点频；成本与集成度历史上更高，但在下降。
- 532 nm 绿光：常用于浅水测深（水对绿光透过较好）。
- 探测器
- APD（雪崩光电二极管）：模拟读出，成熟可靠；与 905 nm/1550 nm 匹配品类丰富。
- SPAD（单光子雪崩二极管）：数字化计数，极高灵敏度，适合弱回波/Flash；时间抖动小，需堆阵列与时序统计。
- 扫描与成像方式
- 机械旋转/多线束：视场大、量产成熟（车载早期主流）。
- MEMS 微振镜：小型化、成本更低、帧率高，需关注抗震与镜面口径。
- OPA（光相控阵）/E-扫描：无机械件，潜在高可靠；当前挑战在于出射功率、旁瓣与良率。
- Flash 阵列：无扫描，近距高帧率；受限于照明能量与阵列良率。
- 接收链路：前置放大、TDC（时间数字转换）、ADC、时间窗口门控、SNR 估计与多回波检测。
- 时序与同步：GPS/INS/IMU 时钟、PPS 同步、多传感器时空标定（外参 + 时延）。
三、核心性能指标怎么读
- 测距范围（Rmax/Rmin）：与峰值功率、波长、接收口径、积分时间、目标反射率、天气透过率相关。
- 精度 vs 精密度：
- 精度（accuracy）= 距离估计的无偏性；
- 精密度（precision）= 重复测量的离散度（jitter/σ）。
- 角分辨率 / 角度步进：决定点云密度与边缘还原；与扫描方式和束斑大小相关。
- 点频（pts/s）与帧率（Hz）：影响动态场景还原与语义/SLAM 的实时性。
- 反射率通道：用于材质/地物分割与回波置信度估计。
- 多回波能力：穿透植被/雨雾、识别半透明或多层目标。
- 抗干扰：太阳直射、同行干扰、雨雾雪、脏污与热漂。
四、误差来源与标定
- 测距误差：激光脉冲展宽、接收带宽、时间量化步距（TDC LSB）、温漂、门限设定、相位非线性。
- 角度误差：扫描器件摆动非线性、回中误差、编码器量化、装调偏心。
- 外参/时延：与相机/IMU/GNSS 的位姿外参（旋转/平移）与时间戳偏移。
- 多径与漫反射：尤其室内/金属光亮场景。
- 标定流程要点
- 内参：发射-接收光轴对准、扫描-角度映射曲线；
- 外参：与相机/IMU做手眼/板标/角点/平面法标定；
- 时延：基于时间同步脉冲/事件对齐（e.g. Kalman/ICP 时序配准）。
五、点云处理与算法栈（简要）
- 预处理：时间同步、去畸变（运动补偿）、回波选择、强度/反射率归一化、降噪（统计滤波、半径滤波）。
- 几何建模：法向估计、平面/圆柱/地面分割（RANSAC、Region Growing）、聚类（DBSCAN）。
- 配准与建图：ICP/GICP/NDT，基于特征（FPFH）或深度学习的匹配；多帧融合、SLAM（LOAM、LIO-SAM 等）与闭环检测。
- 语义与检测：PointNet/PointNet++、KPConv、SparseConv、BEV 变换等。
- 数据格式：LAS/LAZ（测绘）、PCD（PCL）、ROS/ROS2（sensor_msgs/PointCloud2）。
六、典型应用场景
- 自动驾驶与辅助驾驶（ADAS）
- 车周 360° 感知、障碍物检测、自由空间、车道/路缘识别、雨雾鲁棒。FMCW 可直接测径向速度；多传感器融合（相机/毫米波雷达/超声）。
- 测绘/数字孪生
- 机载/车载/背包式移动测量、UAV 航测、城市三维建模、文物数字化；浅水测深 LiDAR（绿光）。
- 机器人与工业现场
- 室内自主导航、码垛/避障、安全光幕升级、料位/体积测量、AGV/AMR 定位。
- 安防与人流统计
- 3D 区域入侵、轨迹分析、客流计数（隐私友好）。
- 电力/能源/交通
- 输电走廊巡检、风机叶片/塔筒检测、道路资产盘点、隧道/桥梁变形监测。
- 林业/农业
- 林分参数（树高/郁闭度）、作物冠层、果园三维测算、变量喷洒。
- 海事与港口
- 泊位引导、岸桥/堆场防碰撞、近岸测深。
七、与相机/毫米波雷达对比（怎么取舍）
- LiDAR vs 相机：LiDAR 给几何真值更稳（尺度不依赖纹理），但语义弱；相机成本低、语义强、受光照影响大。常用相机 + LiDAR 融合（深度补全/BEV）。
- LiDAR vs 毫米波雷达：雷达全天候、速度直接可得、对雨雾极强，但角分辨率低、3D 细节弱；FMCW LiDAR 在几何分辨率与速度感知之间折中，代价是系统复杂度与成本。
八、选型与架构建议（工程向）
- 波长：远距/强阳光场景倾向 1550 nm；成本敏感或中短距可用 905 nm。浅水测深看 532 nm。
- 扫描方式：
- 大视场+中长距：多线机械/旋转或高功率 MEMS；
- 小型化/近距/高速：Flash 或 MEMS；
- 高可靠/无机件：关注 OPA/FMCW 的量产与功耗指标。
- 指标组合：不要单看“最大距离”，要联动目标反射率（典型 10–20%）、点频、角分辨率、天气透过率与帧率下的稳定回波概率。
- 接口与生态：是否有 ROS/ROS2、PCL、标定工具、驱动 SDK、时钟同步（PPS/TSN）支持。
- 眼安与法规：符合 IEC 60825 相关等级；车规需满足 AEC-Q、功能安全（ISO 26262）与环境可靠性（IP、盐雾、震动）。
- 运维：窗口加热/清洁、防尘防雨、自动自检、标定持久性（温漂补偿）。
九、简单“能量预算/距离”思考框架
- 距离上限不是常数：随目标反射率（黑衣/柏油 vs 反光板）、天气（晴天 vs 雾/雨）、入射角、积累时间而变化。
- 工程上更看 P95/P99 可见距离：在“20% 反射率、10 klux 阳光、轻微雾气、车速 X、制动距离 Y”条件下，能否稳定检测到 1.5 m×1.5 m 目标？
- 多回波门控：远处强反射与近处弱反射并存时的误检与“先到先得”策略。
十、数据融合与感知栈实践要点
- 时空对齐优先级最高：外参（旋转/平移）与时间同步误差往往比单传感器“精度”更致命。
- 去畸变（motion compensation）：高速移动载体必须做，以免拉花/错位。
- 自监督与学习型方法：将相机语义迁移到点云（蒸馏/BEV 融合）提升远距小目标召回。
- 闭环：SLAM 中闭环检测 + 因子图优化，显著降低全局漂移。
十一、趋势与前沿
- FMCW 车规化：距离+速度同测、强抗干扰；需硅光/相干接收链成熟与成本下探。
- 固态化（MEMS→OPA/Flash）：去机械、提升可靠性与可量产性。
- 更高点频与低功耗 SoC：前端预处理（去噪/聚类）下沉到边缘 ASIC/FPGA。
- 多传感器深度融合：相机/雷达/LiDAR+IMU 的联合学习与端到端规划闭环。
- 标准与安全：眼安与功能安全的分级测试、互扰标准化（车队场景）。
- 面向行业场景的定制光学：如测绘（长距窄束）、机器人（近距大 FOV、高帧率）、测深（绿光窄带）。
十二、落地清单（给实施者）
- 需求化：目标最远/最近距离、典型反射率、天气/光照、动态速度、可承受成本与功耗。
- 方案化：波长选择 + 扫描体制 + 点频/角分辨率 + SDK/生态。
- 标定化：内参/外参/时延全链路 + 温漂补偿与周期复检。
- 算法化：预处理 → 几何/语义 → 配准/SLAM → 融合决策。
- 运维化：窗口洁净与除雾、在线自检、日志与远程升级、冗余安全策略（特别是车载/安防）。