【導讀】設計一個TOF車載激光雷達係統，首先要確定係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係統的角分辨率。並在該基礎上計算最小信噪比(SNR)
，這也是後續軟件判定檢測對象真/假的重要檢測標準。

問：車載激光雷達係統的設計思路

設計一個TOF車載激光雷達係統，首先要確定係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係統的角分辨率。並在該基礎上計算最小信噪比(SNR)
，這也是後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：取決於物體本身的性質（表麵狀況）。這裏不詳細討論，假設目標可以很好的反射。

以汽車100公裏/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，雷達係統需要能夠檢測到200公裏/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、規避動作等複雜情況。所以一般說來
，高速應用需要激光雷達係統檢測更遠的距離。

視場角（FOV）

對於不同的應用，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麵車輛的對象檢測和防撞等應用 (圖片來源於ADI)

如上圖：對於自動駕駛車輛和自動地麵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，以檢測係統周圍的物體，作為車輛的安全器件。

從FOV到角度分辨率

確定FOV之後, 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後
，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 (圖片來源於ADI)

於是，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 (圖片來源於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係。

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
，對應於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。

對於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，對應於2×Tan（0.05°）×200m = 0.35m長的物體。

對於一個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係統能夠從單一對象接收多個像素的返回信號。因此
，在這個係統下，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。距離精度允許係統準確地知道一個物體有多遠。對於移動的應用來說
，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。

當然可以采用更複雜的技術（例如過采樣插值）來改善範圍測量精度。

據估計，大約可以將範圍測量精度提升SNR的平方根。匹配濾波器是用於處理數據的性能最高的算法之一，它可以在插入之後最大化SNR，以得出最高的範圍測量精度。

激光雷達係統拓撲結構

以ADI的方案為例：

圖 4. ADI 激光雷達係統拓撲結構 (圖片來源於ADI)

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息
，版權歸原作者所有。本文所用視頻
、圖片、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

提升新能源車電驅方案中單管封裝的散熱性能

DC/DC變換器FB分壓電阻設計

一文讓你了解靜態電流和關斷電流

談談FOC和BLDC電機控製

彙聚生態之力，英特爾以網絡與邊緣技術連結可持續數字化未來