激光雷达为何易受串扰影响?
激光雷达为何易受串扰影响?
自自动驾驶概念提出以来,激光雷达一直作为感知系统的关键硬件之一。即便当前部分技术路线正逐步向纯视觉靠拢,仍有不少汽车制造商坚持采用激光雷达方案。在激光雷达领域,主要的工作机制包括脉冲飞行时间(TOF)和连续波调频(FMCW)两种。
TOF激光雷达的工作原理与局限
TOF激光雷达的基本原理较为直观,其通过发射极窄的激光脉冲,并在遇到目标物后接收反射信号,通过测量发射与接收之间的时间差,结合光速计算目标距离。该方法实现简单、测距直接,但由于依赖高精度时间测量,容易受到环境光和外部脉冲干扰。
当前广泛用于车规级的TOF激光雷达,通常工作在890 nm至1550 nm波段。不同厂商在脉冲宽度、重复频率和接收灵敏度方面会根据应用场景进行权衡。
FMCW激光雷达的技术优势
与TOF不同,FMCW激光雷达采用连续调频激光发射,并利用回波与本地参考光的相干混频产生拍频信号。这种机制不仅可以推算目标距离,还可同步获取目标的相对速度(多普勒信息)。
由于FMCW采用相干检测方式,其在低信号强度条件下仍具备良好的接收增益,同时对非相干外部光源(如其他车辆的激光信号)具有天然的抗干扰能力。然而,这种优势并非绝对,仍需依赖具体的硬件实现和系统设计。
串扰问题的成因分析
随着搭载激光雷达的车辆数量上升,串扰问题日益突出。所谓串扰,是指激光雷达接收到来自其他激光雷达发射的信号,从而导致感知误差。TOF激光雷达发射周期性脉冲,这些脉冲在空间中可能发生反射、漫散射,并可能被其他车辆的接收器误判为自身信号。
由于TOF系统通常仅依赖时间差和脉冲形状识别回波,缺乏额外的鉴别机制,容易将外来脉冲误判为有效信号,进而引发测距失真、点云丢失或虚假点云等问题。
在多车密集行驶、夜间环境或长距离探测场景中,串扰现象尤为显著。此外,同一车辆上多个TOF单元间如未合理协调,也可能互相干扰。相比之下,FMCW激光雷达因其相干机制对串扰具有更强的抑制能力,但并不能完全免疫。
TOF激光雷达的抗串扰方案
为缓解串扰问题,业界提出了多种应对策略,核心思想在于为每个脉冲赋予“身份标识”或控制其发射时间,以便接收端识别。
- 脉冲编码:通过特定规则对激光脉冲编码,使接收器仅对匹配的信号响应。这种方法能有效减少误判率,但会引入一定的信噪比下降和测距灵敏度损失。
- 时间复用与接收门控:通过错开不同单元或车辆的发射时间,或仅在预估回波时间内开启接收窗口,可大幅减少串扰。但该方法依赖高精度时钟同步,且可能造成目标数据遗漏。
- 随机发射时序:在固定脉冲频率中引入随机偏移,可降低周期性干扰概率。该方案实现简单,但无法完全消除干扰。
- 光学与硬件抑制:使用窄带光学滤波器、方向性设计或物理遮挡等方式,可在一定程度上减少侧向和反射路径干扰,但可能牺牲探测范围。
- 软件处理:通过设置接收门限、多帧验证机制和点云后处理等手段,剔除孤立或异常点,提升系统鲁棒性。
FMCW激光雷达的抗干扰潜力
FMCW激光雷达基于相干检测原理,其回波必须与本地参考光形成稳定干涉才能被识别。因此,非相干脉冲(如来自其他激光雷达的信号)通常不会被误认为有效回波。
尽管FMCW具备更优的抗串扰能力,其大规模应用仍面临挑战。例如,其需要高精度的调频光源和稳定本地振荡器,硬件成本与实现复杂度较高。此外,其测距与测速信息耦合,对算法和信号处理要求更高。
软件策略与多传感器融合
无论是TOF还是FMCW,单靠硬件难以完全消除串扰问题。软件层面的辅助至关重要,包括:
- 点云异常检测与时间一致性校验;
- 多帧数据累积判断;
- 与摄像头、毫米波雷达、IMU/GNSS等传感器融合,提升整体感知置信度。
基于机器学习的点云分析方法也被广泛用于识别串扰特征,如突发性点云、孤立点和反射强度异常等,从而降低误判概率。但该方法需要大量训练样本以确保泛化能力,同时避免将真实小目标误判为干扰。
结语
随着激光雷达装车率的上升,串扰问题正变得日益突出。TOF激光雷达因脉冲特性更易受影响,而FMCW则凭借相干检测机制在抗干扰方面表现出更强的适应性。然而,FMCW更高的硬件成本与算法复杂度,也限制了其在车规级市场的普及。
查看全文
传感内参



评论0条评论