用于自主系统设计的激光雷达

完全自主的明天的承诺似乎不再是白日梦。今天，围绕自治的问题集中在基础技术和使自治成为现实所需的进步上。光探测和测距 （LIDAR） 已成为支持向自主应用转变的讨论最多的技术之一，但仍然存在许多问题。范围大于 100 m 和 0.1° 角分辨率的激光雷达系统继续主导自动驾驶技术的头条新闻。

但是，并非所有自治应用程序都需要这种级别的性能。代客泊车辅助和街道清扫等应用就是两个这样的例子。有许多深度传感技术支持这些应用，例如无线电探测和测距（雷达）、立体视觉、超声波探测和测距以及激光雷达。然而，这些传感器中的每一个都在性能、外形尺寸和成本之间进行了独特的权衡。超声波设备是最实惠的，但在范围、分辨率和可靠性方面受到限制。雷达的范围和可靠性有了很大提高，但它也有角度分辨率的限制，而立体视觉如果没有正确校准，可能会有很大的计算开销和精度限制。周到的 LIDAR 系统设计有助于通过精确的深度感应弥合这些差距，精细的角度分辨率和低复杂度的处理，即使在远距离。然而，激光雷达系统通常被认为体积庞大且成本高昂，但事实并非如此。

激光雷达系统设计始于识别系统需要检测的最小物体、该物体的反射率以及该物体的定位距离。这将定义系统的角分辨率。从中可以计算出可实现的最小信噪比 （SNR），这是检测对象所需的真/假阳性或阴性检测标准。

了解做出适当设计权衡所需的感知环境和信息量，可以开发相对于成本和性能的最佳解决方案。例如，考虑一辆自动驾驶汽车以 100 公里/小时（~27 英里/小时）的速度在道路上行驶，而自动机器人则以 6 公里/小时的速度在行人空间或仓库周围行驶。在高速情况下，不仅要考虑以 100 kph 速度行驶的车辆，还要考虑另一辆以相同速度沿相反方向行驶的车辆。对于感知系统，这相当于一个物体以 200 公里/小时的相对速度接近。对于检测最大距离为 200 m 的物体的 LIDAR 传感器，车辆将在短短一秒钟内将它们之间的距离缩小 25%。应该强调的是，车辆的速度（或物体的非线性接近速度）、停车距离和执行规避机动所涉及的动力学是每种情况所特有的复杂性。一般来说，可以说高速应用需要更远距离的激光雷达系统。

分辨率是激光雷达系统设计的另一个重要系统特性。精细的角分辨率使激光雷达系统能够接收来自单个物体的多个像素的返回信号。如图 1 所示，1° 的角分辨率转换为 200 m 范围内每边 3.5 m 的像素。这种大小的像素比许多需要检测的对象都大，这带来了一些挑战。一方面，空间平均通常用于提高 SNR 和可检测性，但每个对象只有一个像素，这不是一种选择。此外，即使检测到，也无法预测对象的大小。一块道路碎片、一只动物、一个交通标志和一辆摩托车通常都小于 3.5 m。相比之下，系统为 0。1° 角分辨率的像素小 10 倍，应在 200 m 距离处测量平均宽度汽车上大约五个相邻的返回。大多数汽车的尺寸通常比它们的高度要宽。因此，该系统可能会区分汽车和摩托车。

与方位角相比，检测物体是否可以安全驶过需要更精细的仰角分辨率。现在想象一下，自动真空机器人的要求可能有多么不同，因为它移动缓慢并且需要检测窄而高的物体，例如桌腿。

定义了行驶距离和速度，以及确定了目标和后续性能要求后，就可以确定 LIDAR 系统设计的架构（参见图 2 中的示例 LIDAR 系统）。有多种选择可供选择，例如扫描与闪光，或直接飞行时间 （ToF） 与波形数字化，但它们的取舍超出了本文的范围。

（图 1。具有 32 个垂直通道的激光雷达系统以 1° 的角分辨率水平扫描环境。）

（图 2。激光雷达系统的离散组件。）

（图 3. Analog Devices AD-FMCLIDAR1-EBZ LIDAR 开发解决方案系统架构。）

范围或深度精度与 ADC 采样率有关。距离精度使系统能够准确地知道物体的距离，这在需要近距离移动的用例中至关重要，例如停车场或仓库物流。此外，范围随时间的变化可用于计算速度，此用例通常需要更高的范围精度。使用简单的阈值算法（例如直接 ToF），对于 1 ns 采样周期（即使用 1 GSPS ADC）可实现的距离精度为 15 cm。这计算为 c（dt/2），其中 c 是光速，dt 是 ADC 采样周期。然而，鉴于包含 ADC，可以使用更复杂的技术（例如插值）来提高范围精度。作为估计，距离精度可以通过大致 SNR 的平方根来提高。处理数据的最高性能算法之一是匹配滤波器，它可以最大化 SNR，然后进行插值以产生最佳距离精度。

AD- FMCLIDAR1 -EBZ是一款高性能 LIDAR 原型设计平台，是一款 905 nm 脉冲直接 ToF LIDAR 开发套件。该系统可以为机器人、无人机、农业和建筑设备以及具有一维静态闪存配置的 ADAS/AV 进行快速原型设计。为本参考设计选择的组件针对长距离脉冲激光雷达应用。该系统采用由高速双路 4 A MOSFET ADP3634驱动的 905 nm 激光源设计。它还包括一个由可编程电源LT8331供电的 First Sensor 16 通道 APD 阵列，以产生 APD 电源电压。有多个 4 通道LTC6561TIA 具有低噪声和高带宽，以及AD9094 1 GSPS、8 位 ADC，其每通道的最低功耗为 435 mW/通道。将继续需要增加带宽和采样率，这有助于提高整体系统帧率和提高范围精度。同时，将功耗降至最低也很重要，因为较少的散热可简化热/机械设计并允许减小外形尺寸。

EVAL-ADAL6110-16 是另一个有助于激光雷达系统设计的工具，是一种高度可配置的评估系统。它为需要实时 （65 Hz） 物体检测/跟踪的应用提供了一个简化但可配置的 2D 闪光激光雷达深度传感器，例如防撞、高度监控和软着陆。

参考设计中使用的光学器件可实现 37°（方位角）乘 5.7°（仰角）的视场 （FOV）。使用 16 个像素的方位角线性阵列，20 m 处的像素大小与普通成年人相当，0.8 m（方位角）×2 m（仰角）。如前所述，不同的应用可能需要不同的光学配置。如果现有的光学器件不能满足应用需求，印刷电路板可以很容易地从外壳中取出并集成到新的光学配置中。

该评估系统围绕 ADI 的ADAL6110-16 构建，该 ADAL6110-16 是一款低功耗、16 通道、集成 LIDAR 信号处理器 （LSP）。该器件提供用于照亮感兴趣区域的时序控制、对接收波形进行采样的时序以及对捕获的波形进行数字化的能力。ADAL6110-16 对敏感模拟节点的集成降低了本底噪声，使系统能够捕获非常低的信号返回，而不是使用具有相似设计参数的分立元件来实现相同的信号链，因为 rms 噪声会在设计中占主导地位。此外，集成信号链允许 LIDAR 系统设计减小尺寸、重量和功耗。

该系统软件可实现快速正常运行时间进行测量并开始使用测距系统。它是完全独立的，通过 USB 使用 5 V 单电源供电，并且还可以通过提供的机器人 *** 作系统 （ROS） 驱动程序轻松集成到自主系统中。用户只需为接头创建一个连接器，即可与他们的机器人或车辆连接，并通过四种可用的通信协议之一进行通信：SPI、USB、CAN 或 RS-232。该参考设计还可以针对不同的接收器和发射器技术进行修改。

如前所述，可以修改 EVAL-ADAL6110-16 参考设计的接收器技术以创建不同的配置，如图 5 至图 7 所示。EVAL-ADAL6110-16 配有 Hamamatsu S8558 16 元件光电二极管阵列。表 1 中显示的不同距离处的像素大小基于 0.8 mm × 2 mm 的有效像素大小以及 20 mm 焦距镜头。例如，如果使用单个光电二极管（例如欧司朗 SFH-2701）重新设计同一块电路板，每个光电二极管的有效面积为 0.6 mm × 0.6 mm，则相同范围内的像素尺寸会随着 FOV 的变化而大不相同。像素的大小。

表 1. EVAL-ADAL6110-16中使用的接收器尺寸和光学器件以及如果接收器更改为 SFH-2701 时的潜在像素排列

（图 5。Hamamatsu S8558 PIN 光电二极管阵列的尺寸。）

例如，让我们回顾一下 S8558，它的 16 个像素排列成一条直线，每个像素

像素尺寸：2 毫米 × 0.8 毫米。

（图 6。使用简单光学器件的角度分辨率的基本计算。）

选择焦距为 20 mm 的镜头后，可以使用基本三角法计算每个像素的垂直和水平 FOV，如图 6 所示。当然，镜头选择可能涉及其他更复杂的考虑，例如像差校正和场曲。 然而，对于像这样的低分辨率系统，简单的计算通常就足够了。

所选的 1 × 16 像素 FOV 可用于自动驾驶车辆和自动地面车辆的目标检测和防撞等应用，或在仓库等受限环境中为机器人启用同步定位和映射 （SLAM）。

一个独特的应用涉及在 4 × 4 网格中配置阵列以检测系统周围的物体。这个正在开发中的应用程序将安装在汽车和房车上，作为车辆周围的安全气泡，如果分心的人在公共汽车附近行走，可以警告驾驶员。该系统可以检测个人行走的方向，并通过停止车辆或用喇叭提醒行人来警告驾驶员采取行动，以防止撞到个人或骑自行车的人。

请记住，并非每个应用都需要 0.1° 角分辨率和 100 m 范围。花时间考虑应用程序对激光雷达系统设计的真正需求，然后明确定义关键标准，例如物体大小、反射率、到物体的距离以及自主系统的行驶速度。这将为组件选择提供信息，以实现与系统所需功能相关的最佳性能和成本的平衡设计，最终增加首次成功设计的可能性。

　　作者：Sarven Ipek ，Ron Kapusta

审核编辑：郭婷