激光雷达为何容易遭遇串扰问题？
集知网
激光雷达为何容易遭遇串扰问题？
自自动驾驶技术提出以来，激光雷达作为关键的环境感知设备，其地位始终稳固。即便在当前一些技术路径逐步向纯视觉靠拢的背景下，仍有不少车企坚持选择搭载激光雷达。目前，激光雷达常见的工作方式主要包括脉冲型飞行时间（Time-of-Flight，TOF）和连续波调频型（Frequency-Modulated Continuous Wave，FMCW）。
TOF激光雷达的运作机制较为直观，其发射模块周期性地发送极窄的激光脉冲，当这些脉冲遇到障碍物后反射回来，由接收器记录发射与回波之间的时间差，并结合光速计算出目标的距离。这种方式具备结构简单、测距直观、脉冲能量集中的优势，但同时也存在对时间精度要求高、易受环境光或其他干扰脉冲影响等缺点。当前多数车规级TOF激光雷达采用890 nm至1550 nm波段进行工作，各厂商在脉冲宽度、重复频率和接收灵敏度等方面会做出不同权衡。
FMCW激光雷达则采用连续调频的发射方式，通过频率随时间线性变化的激光束进行工作。当回波信号与本地参考光混频时，会产生拍频信号，其频率与目标的距离和速度相关。由于FMCW使用相干检测机制，在弱信号下具备增益优势，并能同步获取距离与多普勒信息。此外，其抗串扰能力较强，因为外来非相干信号通常无法产生有效干涉，因此对外部激光源具有天然的抵御能力。
串扰产生的根源
随着搭载激光雷达的车辆数量不断上升，串扰问题逐渐显现。所谓串扰，是指一台激光雷达接收到来自另一台设备的激光信号，从而造成感知误判。
TOF激光雷达通过发送短促的重复脉冲工作，这些脉冲在环境中传播时可能发生反射、漫散射，最终被其他车辆的接收器误判为自身信号。由于接收端缺乏足够的信号特征区分能力，仅依赖时间差或脉冲形状识别目标，因此容易将外部脉冲误认为有效回波。这可能导致测距错误、点云丢失或虚假点云生成。
在车辆密集行驶的场景中，尤其是在夜间或开阔长距离区域，串扰现象尤为明显。此外，同一车辆上多个TOF激光雷达单元之间也可能因发射与接收时间不协调而互相干扰。例如，A单元的激光经漫反射进入B单元视场，或B单元接收窗口在A单元发射后仍处于开启状态，都会导致串扰。相比之下，FMCW激光雷达由于其相干检测机制，对上述情况具备一定的抑制能力，但并不能完全免疫，其实际效果仍取决于硬件设计。
TOF激光雷达的抗串扰策略
为缓解TOF激光雷达的串扰问题，行业提出了多种技术手段，核心思路在于使每个发射脉冲具有“身份标识”或“时间控制”，以便接收端有效识别。
其中，脉冲编码是一种广泛应用的方案。该方法通过为每个脉冲添加特定编码，在接收端进行解码运算，仅保留与发射编码匹配的信号作为有效回波。编码方案可采用伪随机序列或时间/相位上的特殊码型实现，有效降低误识别概率。然而，编码过程会削弱信号能量，对低反射率或远距离目标的探测能力有所影响。因此，在系统设计中需要在编码长度、码速率、发射功率与积分时间之间进行平衡。
时间复用与接收门控是另一种抗干扰技术。通过协调不同单元或车辆的发射时间，并在预期回波到达时刻开启接收器，可以显著降低单元间的互相干扰。该方案依赖高精度时钟、PPS或专用总线进行同步，但若回波延迟超出预计窗口或路径异常，仍可能造成数据丢失。此外，若其他车辆恰好在接收窗口内发射信号，串扰风险依然存在。
另外一种简单方法是引入随机化的发射时序或帧内时间抖动，通过为固定脉冲加入随机偏移，将周期性干扰转化为随机噪声。该方式兼容现有硬件、实现便捷，但无法彻底识别外部回波，仅能降低冲突概率，适用于低密度场景。
此外，从光学与硬件角度也可进行串扰抑制，如使用窄带滤光片、增强方向性设计或通过机械遮挡减少侧向干扰。在软件层面，可引入接收门限、多帧验证机制，剔除孤立虚假点，提升点云数据的稳定性。
FMCW激光雷达的抗串扰优势
由于FMCW激光雷达依赖相干混频检测，只有频率和相位与本地参考光匹配的回波才会产生有效信号，因此对外来非相干脉冲具有天然的抗干扰能力。这种机制使FMCW在识别自身回波方面更具优势。
然而，尽管FMCW在抗串扰方面表现突出，仍未广泛普及。这是因为其实现需要高质量的调频光源与稳定本地振荡器，对相位和频率噪声也更为敏感，硬件成本与复杂度高于TOF系统。在极个别情况下，例如两个相干源同时存在，或外来信号频率轨迹巧合，FMCW也可能出现干扰。此外，其测距与测速信息耦合，对处理算法和数字信号处理能力要求更高，导致整体实现成本上升。因此，对于希望实现大规模商业化落地的车企而言，仍需权衡性能与成本。
软件优化与传感器融合
无论是TOF还是FMCW激光雷达，硬件本身难以覆盖所有干扰场景，因此软件设计成为关键补充。可通过点云异常检测、时间一致性校验、多帧累积分析等方式提升数据可信度。
例如，若激光点云中出现孤立点，且在单帧中首次出现，同时未被摄像头捕捉，便可将其标记为低置信度点并剔除。通过多传感器融合，如摄像头、毫米波雷达、IMU/GNSS等，可进一步提高感知系统的鲁棒性。
近年来，机器学习方法也被用于识别和剔除串扰导致的伪点。基于时空特征训练的分类器可以识别出串扰点的典型模式，如突发性出现、空间孤立、反射强度异常等，从而在运行时动态调整点云权重。不过，此类方法依赖大量训练数据以确保泛化能力，同时需注意避免将真实小目标误判为干扰。
结语
随着激光雷达装车密度的不断提升，串扰问题日益凸显。TOF激光雷达由于脉冲特性，更容易受到此类干扰，而FMCW激光雷达在原理上具备更高的抗串扰能力，但其实现复杂度与成本也相应提升。
—— END ——
原文标题：激光雷达为什么会出现串扰的问题？
查看全文
评论0条评论