激光雷达为何面临串扰问题

激光雷达为何面临串扰问题

自自动驾驶概念被提出以来，激光雷达一直作为关键的感知硬件存在。即便近年来一些技术路线开始倾向于纯视觉方案，仍有不少车企坚定采用激光雷达。目前主流的激光雷达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激光雷达的工作原理较为直接，通过发射器每隔固定时间发送一个窄脉冲激光，激光在遇到障碍物后反射回来，由接收器记录往返时间，根据光速推算距离。该方法实现简单，测距直观，但对时间分辨率要求极高，且容易受到环境光或外部干扰的影响。当前大多数车规级TOF激光雷达工作在890 nm至1550 nm波段，各厂商在脉冲宽度、重复频率和接收灵敏度等方面有所差异。

FMCW激光雷达不依赖脉冲测时，而是以连续激光发射并进行频率调制，接收端通过与本地参考光进行相干混频，得到一个“拍频”信号。该信号的频率反映了发射与接收间的频率差，从而可同时获得目标距离和相对速度（多普勒信息）。由于采用相干检测，FMCW激光雷达在弱信号条件下具有更高的接收灵敏度，并能同时获取运动信息。此外，只有与本地参考光相干的信号才能被有效检测，因此对外部非相干脉冲具有较强的抗干扰能力。

串扰的成因分析

随着激光雷达装车数量的增加，串扰问题愈发突出。所谓串扰，即一个激光雷达接收到另一个激光雷达的信号，从而影响其感知精度。

TOF激光雷达发射的是短周期脉冲，这些脉冲在空间中传播时可能会相互干扰、反射或散射，进而被其他车辆的接收器误认为是自身发射的回波。由于接收端难以区分自身发射脉冲与外部干扰脉冲，若仅依赖时间差或脉冲形态识别目标，就容易导致测距错误、点云丢失或生成虚假点云。

这种干扰在车辆密集或夜间行驶场景中尤为常见，尤其在长距离探测时更为显著。此外，同一车辆内多个TOF单元之间若缺乏协调，也可能相互干扰。例如，A单元发射的激光经漫反射进入B单元的视场，或B的接收窗口在A发射期间未关闭，都会引发串扰。相比之下，FMCW激光雷达由于采用相干检测机制，对这类干扰具有一定抑制能力，但并非完全免疫，具体效果还取决于系统设计。

TOF激光雷达的串扰抑制策略

针对TOF激光雷达的串扰问题，业界提出了多种技术方案，其核心思路是通过添加标识或在时间维度上进行控制，提升接收端识别自身信号的能力。

其中，脉冲编码是一种常见手段。该方法通过为每个发射脉冲添加特定编码，接收端在解码时仅保留与自身编码匹配的信号。编码方式包括伪随机序列、时序调制或相位调制等。该方案能显著降低误识率，尤其在多车场景中效果更佳。

然而，编码也会带来信噪比和测距性能的一定下降。由于编码过程将信号能量分散，需通过相关算法还原原始信号，在远距离或低反射率目标场景下可能影响探测灵敏度和最大测程。因此，系统设计时需在编码长度、发射功率、码率和接收积分时间之间进行权衡。

时间复用与接收门控是另一种可行方案。通过将发射时间错开，或仅在预计回波到达的时间窗口内开启接收器，可在一定程度上规避干扰。该方法对同一车辆内的TOF单元尤为有效，但要求高精度时钟同步。若目标距离超出预期，回波可能落在接收窗口外，导致数据丢失；若其他车辆恰好在自身接收窗口发射信号，仍可能产生串扰。

此外，引入随机发射时序或在帧结构中添加时间抖动，也是一种简单有效的方案。该方法通过在固定脉冲序列中加入随机偏移，可减少周期性干扰，将串扰影响转化为随机噪声，从而提升整体鲁棒性。不过，该方案无法从根本上消除串扰，仅能在概率上降低干扰发生的频率。

除上述方法外，还可通过光学和硬件设计进行辅助抑制。例如，采用窄带滤波器可过滤非目标波段的环境光，但在面对同波段信号时效果有限。此外，通过增强光学方向性、使用物理遮挡或机械隔栅等方式，也能在一定程度上减少侧向或漫反射路径的干扰，但可能限制探测视场。

在软件层面，可通过设置接收门限、多帧验证机制（例如仅保留稳定出现的点）等方式，在点云后处理阶段剔除异常点。

FMCW激光雷达的抗串扰优势

FMCW激光雷达凭借其相干检测机制，天然具备更强的抗串扰能力。由于接收端需与本地参考光发生相干混频，只有频率和相位匹配的信号才能形成稳定拍频，因此外来非相干信号（如脉冲激光）难以被误判为有效回波。

尽管FMCW激光雷达在抗串扰方面具有优势，但其并未成为主流，主要受限于实现复杂度和成本。FMCW方案需要高精度的线性调频光源和稳定的本地振荡器，同时对相位和频率噪声敏感，硬件实现更为复杂。此外，其测距与测速信息耦合，需复杂的数字信号处理算法。这意味着在高密度场景中，FMCW方案虽然更具鲁棒性，但成本和实现难度也相应提高，这在大规模商业化推广中是一个重要因素。

软件辅助与传感器融合的作用

无论是TOF还是FMCW激光雷达，仅依靠硬件难以覆盖所有干扰场景，因此软件设计成为不可或缺的补充手段。

在软件层面，可采用点云异常点检测、时间一致性校验、多帧累积分析等手段，对疑似串扰点进行筛选。例如，若点云中出现孤立的“飞点”，在单帧中出现且缺乏速度支持，同时摄像头未检测到相应物体，则可将该点标记为低置信度信号并予以剔除。

多传感器融合同样是提升系统鲁棒性的关键策略。结合毫米波雷达、IMU/GNSS以及视觉信息，有助于提升对真实目标的识别能力，降低误检率。

此外，基于机器学习的方法也被广泛应用于串扰点识别。通过训练具备时空特征的分类模型，系统可识别出串扰点的典型特征，如突发性、孤立性或不符合物理反射规律等，从而在运行中动态调整点云权重。该方法依赖大量训练数据，同时需避免将真实但罕见的小目标误判为干扰。

结语

随着激光雷达装车密度的上升，串扰问题将日益突出。TOF激光雷达由于其脉冲工作特性，更容易受到干扰，而FMCW凭借相干检测机制具备更强的抗串扰能力，但其复杂度与成本也更高。

原文标题：激光雷达为什么会出现串扰的问题？