当前位置：首页 > news >正文

【机器人】激光雷达（LiDAR）核心原理：定位、测距与抗干扰

news 2025/10/22 0:27:01

激光雷达（LiDAR，Light Detection and Ranging）定位原理是现代自主系统（如自动驾驶汽车、机器人和无人机）实现高精度、高鲁棒性定位的核心技术之一。

🧭 一、什么是激光雷达（LiDAR）

LiDAR（Light Detection and Ranging） 是一种通过发射激光束并测量返回时间来获取周围环境三维空间信息的传感技术。
它的核心任务包括：

测距（Range Sensing）：测量目标的距离。
定位（Localization）：确定雷达自身在空间中的位置与姿态。
抗干扰（Anti-interference）：在复杂环境下维持精度与可靠性。

⚙️ 二、测距原理（Range Measurement）

激光雷达的测距是整个系统的基础。

1️⃣ 测距的基本物理原理

激光雷达的测距原理基于**“飞行时间法（Time of Flight, TOF）”**：

发射一束激光 → 光线到达物体表面发生反射 → 反射光被接收器接收 → 根据时间差计算距离。

公式如下：

$\frac{c \times \Delta t}{2}$

其中：

( d )：目标距离
( c )：光速（约 (3 $×\times$ 10^8 , m/s)）
( $Δt\Delta t$ )：激光往返时间

「除以 2」是因为激光要走“去 + 回”的双程距离。

2️⃣ 常见的测距方式

测距方式	原理	特点
TOF（飞行时间）	直接测量脉冲发射与接收时间差	精度高、距离远、成本较高
AMCW（调幅连续波）	用调制光波（如正弦波）计算相位差	精度高、适合短距
FMCW（调频连续波）	通过频率差（拍频）计算距离	可同时测速度、抗干扰性好
三角测距（Triangulation）	利用几何关系（发射角度 + 接收位置）计算	常用于结构光/近距雷达

现代汽车、无人机用的多为 脉冲式 TOF 或 FMCW 激光雷达。

🧩 三、定位原理（Localization）

测得距离只是“看见目标”，但雷达自己在哪儿？
定位就是解决“我在空间中的位置与姿态”。

1️⃣ 扫描成像（Scanning）

激光雷达通过旋转或 MEMS 振镜方式，将激光束扫过视场（FoV），形成三维点云：

每发激光得出一个点的坐标 ((x, y, z))
持续扫描 → 形成密集的三维地图

坐标变换公式：

$[xyz]=R(θ,ϕ)⋅d\begin{bmatrix} x \ y \ z \end{bmatrix} = R(\theta, \phi) \cdot d$

其中：

( R( $θ,ϕ\theta, \phi$ ) )：激光方向旋转矩阵
( d )：测距结果

2️⃣ 自定位（Ego Localization）

LiDAR 的自定位依赖于：

与高精度 IMU（惯性测量单元） 融合；
与GPS / RTK 定位系统 融合；
或通过SLAM（Simultaneous Localization and Mapping） 实现。

SLAM原理简述：

通过连续帧点云，检测特征（如角点、平面等）。
匹配相邻帧，计算相对位姿（位移 + 旋转）。
累积构建全局地图。

核心算法包括：

ICP（Iterative Closest Point）
LOAM（Lidar Odometry and Mapping）
LeGO-LOAM、FAST-LIO、LIO-SAM 等。

🔰 四、抗干扰原理（Anti-Interference）

激光雷达在现实环境中会受到各种干扰源影响，比如：

阳光反射（尤其是红外波段）；
雨雾雪；
其他激光雷达的同频干扰；
表面材质导致的信号弱化。

为保证稳定性，激光雷达采用了多种抗干扰机制。

1️⃣ 光学层面抗干扰

方法	原理	效果
窄带滤光片	只允许特定波长（如 905nm 或 1550nm）光进入接收器	阻断环境光
时间窗限制	在期望返回时间窗口内接收信号	屏蔽随机光干扰
多脉冲确认	多次采样验证返回信号一致性	抑制误触发

2️⃣ 信号调制抗干扰

现代激光雷达通常对激光信号进行编码调制：

伪随机编码（PRN code）：给每个激光束分配独特码序列；接收端用相关匹配识别“自己”的信号。
FMCW 调频调制：通过频率特征区分不同雷达信号，自然抗干扰。
时间分复用（TDM） / 频分复用（FDM）：多雷达工作时分时/分频发射。

3️⃣ 算法层面抗干扰

信号阈值判定：根据信号强度 / 形状判断是否为噪声。
多帧融合滤波：统计学方法消除偶发干扰点。
点云一致性检测：利用时空连续性识别异常点。

🧠 五、综合工作流程示意

完整的 LiDAR 工作流程：

发射模块 → 激光脉冲 → 扫描系统（旋转/振镜）→
→ 光信号照射目标 → 反射 → 光电探测器接收 →
→ 模拟信号转数字 → 距离计算（TOF/FMCW） →
→ 坐标转换（定位） → 点云生成 → 抗干扰与滤波。

结果：
一帧帧由数万至数百万个点组成的三维点云，精准反映环境的空间结构。

🧩 六、核心参数与性能指标

指标	含义	典型值
测距范围	最远可探测距离	200–300m（车载）
测距精度	距离误差	±2cm
分辨率	点间角度分辨率	0.1° 或更优
扫描频率	刷新速度	10–20Hz
波长	常见905nm / 1550nm	1550nm更安全、穿透力强
抗干扰性	多雷达环境鲁棒性	PRN/FMCW增强效果

📈 七、总结

核心要素	简述	技术关键
测距	计算激光往返时间	TOF / FMCW
定位	确定雷达自身位置与姿态	SLAM / IMU / GPS
抗干扰	保持信号准确与稳定	光学滤波 + 信号调制 + 算法校正

🚗 八、延伸思考：不同类型 LiDAR 的选择

类型	特点	应用
机械旋转式	成熟稳定、体积大	自动驾驶原型
MEMS 振镜式	小型化、成本低	机器人、无人机
Flash（闪光式）	无扫描、全帧瞬时捕获	近距感知
FMCW	同时测距+测速，抗干扰强	高端自动驾驶（Waymo, Aurora）