自动驾驶传感器：LIDA感知挑战

成功的自动驾驶汽车必定将使用紧密集成的传感器系统来达到甚至超越人类的驾驶能力。人类驾驶员一般利用双眼、双耳，以及车辆运动给人的反馈来驾驶汽车。我们的大脑会实时处理所有这些信息，并从人脑的驾驶经验数据库中直觉反应。复现人类驾驶能力所需的传感器包括雷达、激光雷达（LIDAR）、摄像头、惯性测量单元（IMU），以及超声波传感器。每种系统都有其优势，也有其缺点。单一传感器的精度和性性能不足以取代所有其他传感器相辅相成的多传感器融合是大趋势。本文将介绍与LIDAR有关的主要设计考量，LIDAR是一种传感器，为各种自动驾驶解决方案提供大量数据。

图1．蛛网图，比较视觉、雷达和LIDAR。

在自动驾驶汽车中，LIDAR与雷达密切合作。这两种技术在工作中不会产生可见光，这对于夜间驾驶或弱光条件至关重要。雷达适合远距离检测和跟踪，LIDAR则提供更高的角分辨率，可以识别对象并对其进行分类。换句话说，雷达适合检测对象是否存在，LIDAR则能够在雷达检测到对象的基础上提供关于该对象的具体信息。

图2．自动驾驶汽车的LIDAR感知。

设计LIDAR系统时会面临一些技术挑战，主要挑战之一就是近红外波长要保持在人眼安全限值之下。关于这些安全指南，请参考IEC 60825－1。这并不是要降低人眼安全的重要性，本文探讨的所有方面最终都会影响人眼安全。目前存在多种不同的LIDAR系统技术，设计复杂程度各不相同，各有其优点和缺点。

重要的是，所有设计需要关注的基础方面都相同。再此我们着重讨论人眼安全以外影响系统设计的其他方面，包括：SNR最大化、最小可检测要求、视场、散热、功耗，以及航位推测。

查看接收链路，会发现系统的信噪比（SNR）会影响在远距离（100米至300米）检测小型目标的能力。ADC噪底不能超过接收路径中的其他噪声源。如果背景光或散粒噪声贡献因素低于ADC的噪底或印刷电路板（PCB）噪声，系统精度就会受限。采用直接飞行时间（ToF）法要求系统可以输出短脉冲（～1 ns至5 ns），且使用高采样速率ADC检测这些脉冲。采样速率达到1 GSPS，即可满足接收信号链路需求。此外，请注意，ADC的有效位数（ENOB）必须支持跨阻放大器（TIA）的整个输出范围，不能对信号实施削波。

系统需要检测100米开外的篮球吗？确定相关对象的反射率、尺寸和距离，会决定TIA的SNR需求。与ADC相同， TIA也需要检测同样的窄脉冲。因为系统需要处理的对象的距离、反射率和尺寸范围甚广，所以TIA必须能够在饱和后中快速恢复。高反射（比如交通标志怕爱）或近距离目标能反射强光而造成TIA饱和，。这些都是常见事件，而系统恢复的速度（以尽量减少致盲时间）对于安全性至关重要。