LIDAR的感知挑战

本文将介绍与LIDAR有关的主要设计考量，LIDAR是一种传感器，为各种自动驾驶解决方案提供大量数据。

图1. 蛛网图，比较视觉、雷达和LIDAR。

在自动驾驶汽车中，LIDAR与雷达密切合作。这两种技术在工作中不会产生可见光，这对于夜间驾驶或弱光条件至关重要。雷达适合远距离检测和跟踪，LIDAR则提供更高的角分辨率，可以识别对象并对其进行分类。换句话说，雷达适合检测对象是否存在，LIDAR则能够在雷达检测到对象的基础上提供关于该对象的具体信息。

图2. 自动驾驶汽车的LIDAR感知。

设计LIDAR系统时会面临一些技术挑战，主要挑战之一就是近红外波长要保持在人眼安全限值之下。关于这些安全指南，请参考IEC 60825-1。这并不是要降低人眼安全的重要性，本文探讨的所有方面最终都会影响人眼安全。目前存在多种不同的LIDAR系统技术，设计复杂程度各不相同，各有其优点和缺点。

重要的是，所有设计需要关注的基础方面都相同。再此我们着重讨论人眼安全以外影响系统设计的其他方面，包括：SNR最大化、最小可检测要求、视场、散热、功耗，以及航位推测。

查看接收链路，会发现系统的信噪比(SNR)会影响在远距离（100米至300米）检测小型目标的能力。ADC噪底不能超过接收路径中的其他噪声源。如果背景光或散粒噪声贡献因素低于ADC的噪底或印刷电路板(PCB)噪声，系统精度就会受限。采用直接飞行时间(ToF)法要求系统可以输出短脉冲（~1 ns至5 ns）， 且使用高采样速率ADC检测这些脉冲。采样速率达到1 GSPS，即可满足接收信号链路需求。此外，请注意，ADC的有效位数(ENOB)必须支持跨阻放大器(TIA)的整个输出范围，不能对信号实施削波。

图3. LIDAR电气架构。

系统需要检测100米开外的篮球吗？确定相关对象的反射率、尺寸和距离，会决定TIA的SNR需求。与ADC相同，TIA也需要检测同样的窄脉冲。因为系统需要处理的对象的距离、反射率和尺寸范围甚广，所以TIA必须能够在饱和后中快速恢复。高反射（比如交通标志怕爱）或近距离目标能反射强光而造成TIA饱和。这些都是常见事件，而系统恢复的速度（以尽量减少致盲时间）对于安全性至关重要。

系统的视场和角分辨率也会影响到检测一个篮球的能力。发射和接收光学是决定视场的主要因素。角分辨率决定您能远距离检测篮球大小的目标并进行分类，还是只能检测目标的存在。

对于LIDAR系统设计人员来说，处理这些系统的功耗和散热是不小的挑战。当然，降低信号链的功耗会相应降低产生的热量。组件在的性能随温度会出现大幅变化，其中更敏感的一些组件可能需要温度补偿。使用热电控制器是一种不错的方法，可以高度准确地对IC进行冷却或加热。如果追求精确的话，发光和感光二极管都需要温度补偿，以在LIDAR系统的工作温度范围内保持稳定的工作波长和效率。

在某些情况下，对雪崩光电二极管和激光器施加的偏置电压要到几百伏（正压或负压）。高效生成这些电压，且使用尽可能少的组件，是优质设计实践所追求的。要提供准确的基准电压源，需要使用精密数模转换器(DAC)生成偏置点、电流和电压。沿着传统的1.8 V至12 V电压域，LIDAR系统对电压的需求是有所增加的。小心选择电源解决方案可以处理这一问题，尤其是解决方案中额外添加一种电压时。选择具备关断或低功率模式的IC和电源也非常重要，这样的系统可以灵活高能效地轮询多个通道。

集成LIDAR传感器的IMU具备多种优势。IMU传感器智能地融合多轴陀螺仪和加速度计，为除震和导航应用提供可靠的位置和运动识别。即使在复杂的操作环境下，面临极限运动动力学问题时，精密微机电系统(MEMS) IMU也能提供所需的精度。

IMU为自动驾驶系统提供航位推测、定位和稳定功能。反过来，在ADAS或GPS性能下降，或者不可用时，上述功能又能为系统提供可靠的数据。IMU能够有效利用高更新速率（每秒数千个样本），且可以不受外部环境变化干扰。IMU越稳定，越能长时间为系统提供关键且可靠的航迹信息。

IMU可以直接集成到LIDAR模块中，用于检测、分析和纠正车辆运行环境中常见的振动。例如，IMU输出可辅助拼接LIDAR点云，否则，这些点云会因为车辆越过路面坑洼而出现偏离。此外，还可以使用IMU检测旋转式LIDAR系统的轴承磨损，以在实际出现故障之前维修LIDAR，提高安全性。

在最初产品定义期间，需要考虑LIDAR系统的复杂性，以确定可接受的SNR、检测要求、视野、散热限制以及功耗。了解哪些组件是各个问题的主要贡献因素，同时谨慎选择IC，可以大大提高设计的成功几率。