設計車載激光雷達搞清這5點很重要！

問：車載激光雷達系統的設計思路

設計一個TOF車載激光雷達系統，首先要確定系統需要探測的最小目標、該目標的反射率，以及該目標的距離，視場角。上述這些因素會定義系統的角分辨率。并在該基礎上計算最小信噪比(SNR)，這也是后續軟件判定檢測對象真/假的重要檢測標準。

檢測距離

我們以自動駕駛汽車，防撞的應用來舉例。最小目標：小轎車4.8m×1.8 m長。目標的反射率：取決于物體本身的性質（表面狀況）。這里不詳細討論，假設目標可以很好的反射。

以汽車100公里/小時的速度來計算，不僅考慮以100 km/h速度行駛的車輛，還要考慮以相同速度反向行駛的另一輛車輛。因此，雷達系統需要能夠檢測到200公里/小時的物體，也就是每秒相對運動至少50m。

當然，還要考慮，如非線性速度、停車距離、規避動作等復雜情況。所以一般說來，高速應用需要激光雷達系統檢測更遠的距離。

視場角（FOV）

對于不同的應用，不同的環境，視場角的選擇也不一樣。

圖 1. 自動駕駛車輛和自動地面車輛的對象檢測和防撞等應用 (圖片來源于ADI)

如上圖：對于自動駕駛車輛和自動地面車輛的對象檢測和防撞等應用，可以使用16像素FOV。在大客車應用中，可以用4× 4網格矩陣，以檢測系統周圍的物體，作為車輛的安全器件。

從FOV到角度分辨率

確定FOV之后, 我們可以計算相應的分辨率。

FOV可以分為垂直FOV（VFOV）和水平FOV（HFOV）

當激光二極管陣列選定之后，比如下圖，一行16個激光二極管組成一個陣列，每個像素尺寸2mm×0.8mm， 20mm焦距的鏡頭。

圖 2. 激光二極管陣列 (圖片來源于ADI)

于是，可以利用三角函數可以計算每個像素對應的VFOV與HFOV

圖 3. VFOV 與 HFOV 計算 (圖片來源于ADI)

因此，根據三角函數我們可以得出每個像素，VFOV=5.7°，HFOV=2.292°

有了VFOV/HFOV, 我們就可以得知在某一特定距離，實物尺寸與相素的關系。

角度分辨率

換一個場景，假設FOV=1°，即1°角度分辨率，在200 m距離時，一個像素點，對應于2×Tan（0.5°）×200m=3.5m長的物體。

即1°角分辨率會轉換成每側3.5米像素。

對于4.8m×1.8 m小轎車來說，很難檢測。

相比FOV=0.1°，即0.1°角度分辨率，在200 m距離時，一個像素點，對應于2×Tan（0.05°）×200m = 0.35m長的物體。

對于一個4.8m×1.8 m長的小轎車，在200 m距離時，至少可以有5個像素寬度的成像。

精細的角度分辨率使車載雷達系統能夠從單一對象接收多個像素的返回信號。因此，在這個系統下，甚至有可能區分汽車和摩托車。

距離精度與最小信噪比（SNR）

距離（或深度）、精度都與ADC采樣速率相關。距離精度允許系統準確地知道一個物體有多遠。對于移動的應用來說，非常重要。

假設ADC采樣周期Δt 為1 ns采樣時段, 我們可以計算距離
d=（c×Δt）/2 = 15cm

c是光速

即使用1 GSPS ADC的距離精度可達到15 cm。

當然可以采用更復雜的技術（例如過采樣插值）來改善范圍測量精度。

據估計，大約可以將范圍測量精度提升SNR的平方根。匹配濾波器是用于處理數據的性能最高的算法之一，它可以在插入之后最大化SNR，以得出最高的范圍測量精度。

激光雷達系統拓撲結構

以ADI的方案為例：

圖 4. ADI 激光雷達系統拓撲結構 (圖片來源于ADI)

本文轉載自： 得捷電子DigiKey微信公眾號

審核編輯 黃宇