LiDAR 综述
什么是 LiDAR
LiDAR（Light Detection and Ranging，光探测与测距）是一种利用激光脉冲测量距离的主动传感技术。它通过发射激光并接收反射信号来构建环境的精确三维模型，是机器人感知系统中最重要的传感器之一。
测距原理
飞行时间法（Time-of-Flight, ToF）
最基本的 LiDAR 测距原理。发射一个短激光脉冲，测量其往返时间：
\[
d = \frac{c \cdot t}{2}
\]
其中：
- \(d\) 为目标距离
- \(c\) 为光速（\(\approx 3 \times 10^8 \, \text{m/s}\)）
- \(t\) 为激光脉冲往返时间
特点：
- 原理简单、实现成熟
- 测距范围大（可达数百米）
- 精度受时间测量分辨率限制（\(\Delta d = \frac{c \cdot \Delta t}{2}\)）
- 广泛应用于机械式 LiDAR（如 Velodyne）
相位差法（Phase-Shift）
发射连续调制的激光，通过测量发射与反射信号的相位差来计算距离：
\[
d = \frac{c \cdot \Delta\varphi}{4\pi f}
\]
其中：
- \(\Delta\varphi\) 为相位差
- \(f\) 为调制频率
特点：
- 精度较高（毫米级）
- 测距范围相对较短
- 需要解决相位模糊问题（多频率调制）
- 常用于工业测量级 LiDAR
调频连续波（FMCW）
发射频率随时间线性变化的连续激光，通过反射信号与本地参考信号的拍频来确定距离：
\[
d = \frac{c \cdot f_{\text{beat}}}{2B / T}
\]
其中：
- \(f_{\text{beat}}\) 为拍频
- \(B\) 为扫频带宽
- \(T\) 为扫频周期
特点：
- 可同时获取距离和速度信息（多普勒效应）
- 抗环境光干扰能力强
- 测距精度高
- 技术复杂度较高，成本较高
- 代表：Aeva、SiLC Technologies
LiDAR 类型分类
按扫描方式分类
graph TD
A[LiDAR 类型] --> B[机械旋转式]
A --> C[半固态]
A --> D[纯固态]
B --> B1[单线/多线旋转<br/>Velodyne VLP-16<br/>Ouster OS1]
C --> C1[MEMS 微振镜<br/>速腾聚创]
C --> C2[棱镜旋转<br/>Livox Mid-360]
D --> D1[OPA 光学相控阵]
D --> D2[Flash LiDAR]
D --> D3[FMCW 固态]
机械旋转式 LiDAR
| 特性 | 说明 |
|---|---|
| 原理 | 激光发射/接收模块随电机旋转 |
| FOV | 水平 360°，垂直视角取决于线数 |
| 优点 | 全向扫描、技术成熟 |
| 缺点 | 机械磨损、体积大、成本高 |
| 代表 | Velodyne VLP-16/32/64/128 |
半固态 LiDAR
| 特性 | 说明 |
|---|---|
| 原理 | 小型振镜或棱镜扫描 |
| FOV | 有限角度（通常 60°–120°） |
| 优点 | 体积小、可靠性较高 |
| 缺点 | FOV 受限 |
| 代表 | Livox Mid-360、HAP |
纯固态 LiDAR
| 特性 | 说明 |
|---|---|
| 原理 | 无任何运动部件 |
| FOV | 有限角度 |
| 优点 | 高可靠性、低成本潜力、可量产 |
| 缺点 | 技术尚在成熟中 |
| 代表 | Cepton、Ibeo |
关键性能指标
| 指标 | 说明 | 典型范围 |
|---|---|---|
| 测距范围 | 最大可检测距离 | 12m（低端）– 300m+（高端） |
| 测距精度 | 距离测量误差 | ±1cm – ±3cm |
| 角分辨率 | 相邻扫描线/点之间的角度 | 0.1° – 2° |
| 视场角（FOV） | 水平和垂直扫描范围 | 水平 60°–360°，垂直 15°–90° |
| 扫描频率 | 每秒完成扫描的圈数 | 5Hz – 20Hz |
| 点频 | 每秒产生的点数 | 10K – 2.4M points/s |
| 回波数 | 每个脉冲的回波数量 | 1 – 5 |
| 波长 | 激光波长 | 905nm（近红外）或 1550nm（人眼安全） |
| 功耗 | 工作功率 | 5W – 30W |
| 防护等级 | 环境防护 | IP65 – IP69K |
不同机器人平台的 LiDAR 选择
室内移动机器人 / 扫地机器人
- 推荐：2D LiDAR（RPLIDAR A1/A2、YDLIDAR X4）
- 原因：成本低、功耗小、2D SLAM 即可满足导航需求
- 典型配置：单线 360° LiDAR 安装在机器人顶部
服务机器人 / AGV
- 推荐：2D LiDAR（安全级）+ 可选 3D LiDAR
- 原因：需要安全认证（如 SICK TiM 系列）、避障需求
- 典型配置：前后各一个安全 LiDAR + 顶部导航 LiDAR
自动驾驶车辆
- 推荐：多线 3D LiDAR 或固态 LiDAR 组合
- 原因：需要高精度 3D 环境感知、远距离检测
- 典型配置：车顶主 LiDAR + 四角补盲 LiDAR
无人机
- 推荐：轻量化固态 LiDAR（如 Livox Mid-360）
- 原因：重量限制、功耗限制
- 典型配置：下视或前视安装
四足机器人
- 推荐：轻量 3D LiDAR（Livox Mid-360、Ouster OS0）
- 原因：动态环境感知、地形建图
- 典型配置：头部或背部安装
LiDAR 数据处理流程
graph LR
A[原始数据采集] --> B[数据预处理]
B --> C[特征提取]
C --> D[高级应用]
B --> B1[噪声过滤]
B --> B2[运动补偿]
B --> B3[坐标变换]
C --> C1[平面检测]
C --> C2[聚类分割]
C --> C3[边缘/角点提取]
D --> D1[SLAM]
D --> D2[目标检测]
D --> D3[地图构建]
激光安全等级
| 等级 | 说明 | LiDAR 应用 |
|---|---|---|
| Class 1 | 在所有操作条件下安全 | 大部分消费级/工业级 LiDAR |
| Class 1M | 裸眼安全，光学仪器观察可能不安全 | 部分远距离 LiDAR |
| Class 3R | 直接观察有低风险 | 少数高功率测量 LiDAR |
人眼安全
905nm 波长 LiDAR 需要严格控制功率以保证人眼安全。1550nm 波长对人眼更安全（被角膜吸收而非到达视网膜），但探测器成本更高。
与其他传感器的对比
| 特性 | LiDAR | 相机 | 毫米波雷达 | 超声波 |
|---|---|---|---|---|
| 精度 | 高（cm级） | 中等 | 中等 | 低 |
| 范围 | 远（~300m） | 远 | 远（~250m） | 近（~5m） |
| 3D 信息 | ✅ 原生3D | 需要算法 | 有限 | ❌ |
| 受光照影响 | 轻微 | 严重 | ❌ | ❌ |
| 受天气影响 | 雨雾影响大 | 雨雾影响大 | 较好 | 较好 |
| 成本 | 高 | 低 | 中等 | 很低 |
| 纹理/颜色 | ❌ | ✅ | ❌ | ❌ |
| 功耗 | 中等 | 低 | 低 | 很低 |
参考资料
- Velodyne LiDAR 技术白皮书
- Livox 技术文档
- 《Introduction to Autonomous Mobile Robots》 - Siegwart et al.
- ROS2 LiDAR 驱动包文档