目前有大量景深测量技术可以实现这些应用，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LIDAR。但是，这些传感器都是在性能尺寸成本之间做了妥协。超声波器件最为经济高效，但其范围、分辨率和可靠性都很有限。雷达的检测范围和可靠性得到大幅提升，但它的角分辨率存在限制；此外，立体视觉的计算成本非常高，而且如果不能妥善校准，则精度非常有限。精心设计的lider系统能做到在长探测距离下，精准的测距，出色的角分辨率，较低的算法处理，所以能够帮助弥补这些不足。但是，LIDAR系统一般体积大，成本高，这些缺点需要改进。

 

LIDAR系统设计要确定系统对小目标的探测能力，在多少远处能探测到多低反射率的多小尺寸的目标。同时这也就定义了系统需要的角分辨率。由此可以计算得出可达到的最小信噪比(SNR)，该最小信噪比就决定了系统探测的检测概率与误检概率。

 

了解感知环境和必要的信息量，作出适当的设计权衡，从而开发出成本和性能最佳的解决方案。例如，一辆自动驾驶汽车以100 kph (~27 mph)的速度在道路上行驶，而自动机器人则以6 kph的速度在步行区或仓库中移动。在高速情况下，我们可能不但需要考虑以100 kph的速度行驶的车辆，还需要考虑以相同速度对向行驶的另一车辆。对于感测系统来说，这相当于一个物体以200 kph的相对速度接近。对于LIDAR传感器来说，检测对象之间的最大距离为200 m时，两车之间的距离在一秒内便会缩短25%。应该注意的是，在进行规避时，汽车的速度（或与对象之间的非直线逼近速度）、刹停距离和动力学这些复杂因素会因具体情况而异。一般来说，高速应用需要采用检测距离更长的LIDAR系统。

 

分辨率是LIDAR系统设计中的另一个重要系统特性。精细的角度分辨率使LIDAR系统能够从某一个被测目标接收到多个像素的回波信号。如图1所示，在200m处，1°角分辨意味着单个像素宽度为3.5m。这种像素尺寸比许多目标的物理尺寸都大，这会带来多重挑战。首先，我们通常使用空间平均法来改善SNR和检测能力，但是如果目标只占据一个像素点，这种方法并不适用。此外，即使能检测到，我们也无法评估出目标的尺寸。道路上的垃圾碎屑、动物、交通标志和摩托车，这些物体的尺寸通常都小于3.5米。当角分辨率再提升10倍达到0.1°，对于200米开外的汽车，水平方向就能采集到5个相邻的像素点。这意味着在200m开外，就能区分出是汽车还是摩托车。（看交通工具的宽度即可，一般情况下交通工具都是宽度大于高度的。且汽车和摩托车高度差不多，宽度有明显区别）。

 

为能安全的自动行驶，不仅方位角需要高分辨率，有时候还需要俯仰角高分辨率。想象一下，自动化的扫地机器人尽管移动缓慢但是需要检测细高的物体，如桌子腿，以便判断能否钻进桌下进行工作。这个需求与之前的高速自动驾驶需求就不太一样了。

 

图1. 1°水平分辨率的32线扫描LIDAR系统

 

一旦确定下来自动驾驶设备的速度与行驶场景，需要探测目标的性质以及要达到的性能，就可以构建符合其应用的LIDAR系统构架。您可以做出多种选择，例如扫描与闪光、直接飞行时间(ToF)与波形数字化，但本文暂不讨论它们各自的优缺点。无论选择哪一种架构，ADI丰富的高性能信号链和电源管理组件产品系列（用蓝色突出显示，参见图2）会提供所需的构建块，帮助设计存在不同限制（例如尺寸和成本）的系统。

 

图2 使用分立元件的LIDAR系统

 

AD-FMCLIDAR1-EBZ 是 高性能的LIDAR原型制作平台，也是905 nm脉冲直接ToF LIDAR开发套件。使用这个系统可以快速构建机器人、无人机、农业和建筑设备，以及采用1D静态闪光配置的ADAS/AV的原型。这个参考设计中选用的组件主要是针对长距离脉冲LIDAR应用。该系统采用905 nm激光源，由高速、双通道4 A MOSFET ADP3634驱动。它还包括由可编程电源 LT8331供电（用于生成APD电源电压）的First Sensor 公司的16通道APD阵列。包括多个低噪声、高带宽的4通道 LTC6561 TIA，一个AD9094 AD9094 1 GSPS、8位ADC，其在通道上的功耗最低，为每通道435 mW。 我们的设计需要继续增大带宽和采样速率，以帮助提高整个系统的帧率和范围精度。与此同时，需要最大限度降低功耗。这是因为散热减少可以简化热/机械设计，从而帮助模块减小外形尺寸。

 

图3.ADI公司的AD-FMCLIDAR1-EBZ LIDAR开发解决方案系统架构。

 

测量距离（或深度）、精度都与ADC采样速率相关。距离测量精度使得系统能够准确获知与目标之间的距离，对于需要近距离移动的场景（例如停车或仓储物流），这非常重要。此外，可以根据多帧之间目标距离的变化来计算目标的速度，这种情况下就要求对目标距离的测量精度要很高。采用简单的阈值算法（例如直接ToF）时，1 ns采样时段（也就是，使用1 GSPS ADC）的范围精度可达到15 cm。计算公式为c(dt/2)，其中c表示光速，dt表示ADC采样时段。鉴于包含ADC，所以，可以采用更复杂的技术（例如插值）来改善范围测量精度。据估计，测量精度将正比于信噪比的均方根。匹配滤波器是用于处理数据的性能最高的算法之一，它可以在插值之后最大化SNR，从而得到最好的距离测量精度。

 

EVAL-ADAL6110-16，一款高度可配置的评估系统，可以辅助实施LIDAR系统设计。它为需要实时(65 Hz)检测/跟踪对象的应用（例如防撞、高度监测和软着陆）提供简单但可配置的2D闪存LIDAR深度传感器。

 

图4.使用集成式16通道ADAL6110-16的EVAL-ADAL6110-16 LIDAR评估模块。

 

参考设计中使用的光学器件为我们提供了37°（方位角）和5.7°（俯仰角）的视野(FOV)。在方向角的16像素线性矩阵中，20米像素大小相当于普通成人的体型，为0.8米（方位角）×2米（俯仰角）。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，可以轻松从壳体上取下印刷电路板，并将其集成到新的光学配置中。

 

该评估系统以ADI的 ADAL6110-16为核心，这是一款低功率、16通道的集成式LIDAR信号处理器(LSP)。该器件为相关的照明区域提供时序控制和对接收的波形采样的时序，且能对获取的波形实施数字化。ADAL6110-16集成了高灵敏度的模拟元件，可以帮助降低本底噪声，使系统能够捕获能量很低的回波信号。相对于采用类似信号链的分立式元件方案，它们的本底噪声是由rms噪声决定的，所以其灵敏度不如ADAL6110的方案。此外，使用集成信号链可以减小LIDAR系统设计的尺寸大小、重量和功耗。

 

系统软件能让芯片快速测距以便完成多点测量。它的通道之间是完全独立的，通过USB提供的单个5 V电源运行，通过使用该模块的机器人OS（ROS）的驱动，可以很方便集成进现有的自动驾驶系统。用户只需创建一个连接器，将设备与机器人或者车辆的接口相连，即可通过以下四种通信协议进行通信：SPI、USB、CAN或RS-232。可以选择不同的接收器和发射器技术对参考设计实施修改。有关EVAL-ADAL6110-16和ADAL6110-16 LSP的更多信息，请访问analog.com/LIDAR.

 

如前所述，可以更改EVAL-ADAL6110-16参考设计的接收器技术，以构建图5至图7所示的不同配置。EVAL-ADAL6110-16采用Hamamatsu S8558 16元件光电二极管矩阵。表1中显示的不同距离下的像素大小是基于有效像素大小，即0.8 mm×2 mm，以及20 mm的焦距镜头。例如，如果使用单个光电二极管（例如Osram SFH-2701）来重新设计这个板，且每个光电二极管的有效面积为0.6 mm × 0.6 mm，那么相同范围内的像素大小会大为不同，因为FOV会随像素大小而改变。

 

表1.EVAL-ADAL6110-16中使用的接收器大小和光学器件，以及将接收器更换为SFH-2701之后，可能的像素排列

 

例如，我们来回顾一下16个像素配成一行的S8558，各像素尺寸为：2 mm × 0.8 mm。

 

图5.Hamamatsu S8558 PIN光电二极管阵列的尺寸。

 

选择20mm焦距镜头后，可以利用基本三角函数计算出每个像素的垂直和水平FOV，如图6所示。当然，选择镜头时还需要考虑其他更复杂的因素，比如像差校正和场曲效应。但是，对于这样的低分辨率系统，一般只需要进行简单的光路计算。

 

图6. 简单光学模型的角分辨率基本计算

 

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对象检测和防撞等应用中，或者使受限环境（例如仓库）中的机器人实现同步定位与地图绘制(SLAM)。

 

图7.LIDAR系统的各种光学配置，可以帮助增强应用的安全性。

 

有一种独特应用，需要配置4 × 4网格矩阵，以检测系统周围的物体。这个正在开发中的应用将被安装在大客车和RV（休闲车辆）中，作为车辆的安全器件，可以在车辆近旁有行人行走时向驾驶员发出警报。该系统可以检测行人行走的方向，提醒驾驶员刹停车辆或按喇叭提醒行人，以防撞倒行人或自行车骑行者。

 

注意，并非每种应用都需要0.1°的角分辨率和100米测量范围。细想一下应用真正需要采用哪种LIDAR系统设计，然后明确定义关键标准，例如对象大小、反射率、与对象的距离，以及自动驾驶系统行进的速度。

 

这可以为组件选择提供依据，使系统设计在出色性能、成本和需要的功能之间达成平衡，以便大幅提高首次设计成功的可能性。

 

 

推荐阅读：