本文整理:美团小姜
版权所属:美团无人配送
主流激光雷达的分类及原理
激光雷达分类多种多样
比如按发射波形可分为脉冲型和连续型
按探测方式可分为直接探测和相干探测
按线束可分为单线和多线等
本文将按扫描方式将雷达进行分类介绍
机械式激光雷达
1.1 机械旋转式激光雷达
机械旋转式激光雷达
(图源: Velodyne官网)
advantage:
-
技术成熟
-
扫描速度快
-
360度扫描
缺点:
-
可量产性差:光路调试、装配复杂,生产效率低
-
价格贵:靠增加收发模块的数量实现高线束,元器件成本高,主机厂难以接受
-
难过车规:旋转部件体积/重量庞大,难以满足车规的严苛要求
-
造型不易于集成到车体
混合固态激光雷达
混合固态激光雷达用“微动”器件来代替宏观机械式扫描器,在微观尺度上实现雷达发射端的激光扫描。旋转幅度和体积的减小,可有效提高系统可靠性,降低成本。
2.1 MEMS阵镜激光雷达
MEMS振镜是一种硅基半导体元器件,属于固态电子元件;它是在硅基芯片上集成了体积十分精巧的微振镜,其核心结构是尺寸很小的悬臂梁——反射镜悬浮在前后左右各一对扭杆之间以一定谐波频率振荡,由旋转的微振镜来反射激光器的光线,从而实现扫描。硅基MEMS微振镜可控性好,可实现快速扫描,其等效线束能高达一至两百线,因此,要同样的点云密度时,硅基MEMS Lidar的激光发射器数量比机械式旋转Lidar少很多,体积小很多,系统可靠性高很多。
advantage:
-
MEMS微振镜摆脱了笨重的马达、多发射/接收模组等机械运动装置,毫米级尺寸的微振镜大大减少了激光雷达的尺寸,提高了稳定性
-
MEMS微振镜可减少激光发射器和探测器数量,极大地降低成本
缺点:
-
有限的光学口径和扫描角度限制了Lidar的测距能力和FOV,大视场角需要多子视场拼接,这对点云拼接算法和点云稳定度要求都较高
-
抗冲击可靠性存疑
主要存在的问题:
(1)振镜尺寸问题:
远距离探测需要较大的振镜,不但价格贵,对快轴/慢轴负担大,材质的耐久疲劳度存在风险,难以满足车规的DV、PV的可靠性、稳定性、冲击、跌落测试要求。
(2)悬臂梁:
硅基MEMS的悬臂梁结构实际非常脆弱,快慢轴同时对微振镜进行反向扭动,外界的振动或冲击极易直接致其断裂。
故障的悬臂梁
(图源:无人驾驶网)
MEMS激光雷达点云数据
(图源:RoboSense)
2.2 旋转扫描镜激光雷达
作为首款量产的L3级别自动驾驶的乘用车——奥迪A8上搭载的激光雷达就是旋转扫描镜激光雷达。与机械旋转激光雷达不同的是,其激光发射模块和接收模块是不动的,只有扫描镜在做机械旋转。激光单元发出激光至旋转扫描镜(Mirror),被偏转向前发射(扫描角度145°),被物体反射的光经光学系统被左下方的探测器接收。
Scala内部图
(图源:搜狐)
advantage:
-
可车规,寿命长,可靠度高
缺点:
-
扫描线数少,扫描角度不能到360度
2.3 楔形棱镜旋转
收发模块的PLD(Pulsed Laser Diode)发射出激光,通过反射镜和凸透镜变成平行光,扫描模块的两个旋转的棱镜改变光路,使激光从某个角度发射出去。激光打到物体上,反射后从原光路回来,被APD接收。
Livox Lidar的工作原理示意图
(图源:Livox官网)
与MEMS Lidar相比,它可以做到很大的通光孔径,距离也会测得较远。与机械旋转Lidar相比,它极大地减少了激光发射和接收的线数,降低了对焦与标定的复杂度,大幅提升生产效率,降低成本。
advantage:
-
非重复扫描,解决了机械式激光雷达的线式扫描导致漏检物体的问题
-
可实现随着扫描时间增加,达到近100%的视场覆盖率
-
没有电子元器件的旋转磨损,可靠性更高,符合车规
缺点:
-
单个雷达的FOV较小,视场覆盖率取决于积分时间
-
独特的扫描方式使其点云的分布不同于传统机械旋转Lidar,需要算法适配
Livox的点云分布图
(图源:Livox官网)
2.4 二维扫描振镜激光雷达
这类激光雷达的核心元件是两个扫描器——多边形棱镜和垂直扫描振镜,分别负责水平和垂直方向上的扫描。特点是扫描速度快,精度高。比如:一个四面多边形,仅移动八条激光器光束(相当于传统的8线激光雷达),以5000rpm速度扫描,垂直分辨率为2667条/秒,120度水平扫描,在10Hz非隔行扫描下,垂直分辨率达267线。
Luminar激光雷达内部解剖图
(图源:Luminar)
advantage:
-
转速越高,扫描精度越高
-
可以控制扫描区域,提高关键区域的扫描密度
-
多边形可提供超宽FOV,一般可做到水平120度。MEMS Lidar一般不超过80度
-
通光孔径大,信噪比和有效距离要远高于MEMS Lidar
-
价格低廉,MEMS振镜贵的要上千美元,多边形激光扫描已经非常成熟,价格只要几十美元
-
激光雷达间抗干扰性强
缺点:
-
与MEMS技术比,其缺点是功耗高,有电机转动部件
纯固态激光雷达
3.1 Flash激光雷达
Flash激光雷达采用类似Camera的工作模式,但感光元件与普通相机不同,每个像素点可记录光子飞行时间。由于物体具有三维空间属性,照射到物体不同部位的光具有不同的飞行时间,被焦平面探测器阵列探测,输出为具有深度信息的“三维”图像。根据激光光源的不同,Flash 激光雷达可以分为脉冲式和连续式,脉冲式可实现远距离探测(100米以上),连续式主要用于近距离探测(数十米)。
Flash激光雷达的优势在于能够快速记录整个场景,避免了扫描过程中目标或Lidar自身运动带来的误差。其缺点是探测距离近。
Flash Lidar的工作示意图
(图源:LeddarTech官网)
发射模组:Flash激光雷达采用的是垂直腔面发射激光器(Vertical Cavity Surface Emitting Laser, VCSEL),比其他激光器更小、更轻、更耐用、更快、更易于制造,并且功率效率更高。
接收模组:Flash激光雷达的性能主要取决于焦平面探测器阵列的灵敏度。焦平面探测器阵列可使用PIN型光电探测器,在探测器前端加上透镜单元并采用高性能读出电路,可实现短距离探测。对于远距离探测需求,需要使用到雪崩型光电探测器,其探测的灵敏度高,可实现单光子探测,基于APD的面阵探测器具有远距离单幅成像、易于小型化等优点。
advantage:
-
一次性实现全局成像来完成探测,无需考虑运动补偿
-
无扫描器件,成像速度快
-
集成度高,体积小
-
芯片级工艺,适合量产
-
全固态优势,易过车规
缺点:
-
激光功率受限,探测距离近
-
抗干扰能力差
-
角分辨率低
3.2 光学相控阵激光雷达(OPA)
很多军用Lidar使用OPA(Optical Phased Array)光学相控阵技术。OPA运用相干原理,采用多个光源组成阵列,通过调节发射阵列中每个发射单元的相位差,来控制输出的激光束的方向。OPA激光雷达完全是由电信号控制扫描方向,能够动态地调节扫描角度范围,对目标区域进行全局扫描或者某一区域的局部精细化扫描,一个激光雷达就可能覆盖近/中/远距离的目标探测。
Quanergy固态激光雷达
(图源:Quanergy官方视频截图)
advantage:
-
纯固态Lidar,体积小,易于车规
-
扫描速度快(一般可达到MHz量级以上)
-
精度高(可以做到μrad量级以上)
-
可控性好(可以在感兴趣的目标区域进行高密度扫描)
缺点:
-
易形成旁瓣,影响光束作用距离和角分辨率,使激光能量被分散
-
加工难度高:光学相控阵要求阵列单元尺寸必须不大于半个波长
-
探测距离很难做到很远
3.3 调频连续波FMCW激光雷达
以三角波调频连续波为例来介绍其测距/测速原理。蓝色为发射信号频率,红色为接收信号频率,发射的激光束被反复调制,信号频率不断变化。激光束击中障碍物被反射,反射会影响光的频率,当反射光返回到检测器,与发射时的频率相比,就能测量两种频率之间的差值,与距离成比例,从而计算出物体的位置信息。FMCW的反射光频率会根据前方移动物体的速度而改变,结合多普勒效应,即可计算出目标的速度。
FMCW原理²
advantage:
-
每个像素都有多普勒信息,含速度信息
-
解决Lidar间串扰问题
-
不受环境光影响,探测灵敏度高
缺点:
-
不能探测切向运动目标
FMCW与常见的TOF测距原理的对比:
系统简单,成本低
平均功率低
测距精度高
能探测出切向运动的目标
环境光的抗干扰性比FMCW稍差
波段接近人眼可响应的范围
环境光抗干扰能力强
1550nm波长对人眼安全更有利
除距离和intensity信息外还能得到速度信息
系统复杂度高,成本高
平均能耗高
不能探测出切向运动的目标(比如横穿马路的人/车)
发展趋势
激光雷达是实现无人驾驶的重要传感器部件之一。评价一款激光雷达产品,要从性能、技术成熟度、成本、“车规”化等多个维度去衡量。
机械式激光雷达:目前是自动驾驶公司的主流方案,技术成熟可靠,具备360度视场角,高分辨率等性能优势,但限于工艺等因素难以量产。部分机械雷达厂商正在通过芯片化的路线提高生产效率,降低成本,并使其符合车规。考虑到固态雷达的迭代过程,短期内机械式激光雷达仍将是自动驾驶的主流选择。
MEMS等半固态激光雷达:目前技术相对成熟,能兼顾成本、性能、车规等要求,但抗冲击可靠性存疑。长远来看,仅属于过渡产品。
全固态激光雷达:长远看,激光雷达的主流趋势会转向全固态。Flash技术领先,但受限于元器件性能,无法实现远距离探测;OPA具有一定的技术壁垒;FMCW具有探测距离远,灵敏度高,抗干扰能力高,成本低,功耗低等特点,但技术门槛高,对系统集成,信号处理要求很高,目前尚未量产。
总的看来,激光雷达固态化会持续推进,技术仍然有很长的探索期。
参考文献:
1.Sandborn, P. A. M. (2017). FMCW Lidar: Scaling to the Chip-Level and Improving Phase-Noise-Limited Performance. eScholarship, University of California.
2.SENSING-AIOT.(2021). LiDAR: FMCW vs. ToF. http://4da.tech/?p=272
3.AEye, Inc.(2021)Time of Flight vs. FMCW LiDAR Side-by-Side Comparison FMCW sToF_21_0113.
4.Liu, Z., Zhang, F., & Hong, X. (2021). Low-cost retina-like robotic lidars based on incommensurable scanning. IEEE/ASME Transactions on Mechatronics.
4.http://www.wrdrive.com/news/show.php?itemid=5301
5.https://www.novuslight.com/fmcw-the-future-of-lidar_N9691.html
6.https://www.sohu.com/a/345121853_467791
7.https://velodynelidar.com/
8.https://www.hesaitech.com/zh
9.https://www.robosense.ai/
10.https://www.livoxtech.com/
11.https://innoviz.tech/
12.https://zhuanlan.zhihu.com/p/344876823
▼
更多技术分享
▼
▼ 美团无人车配送中心 持续热招中 ▼
新增500岗位 | Base 北京/深圳
扫码投递简历 | 期待与你同行
美团无人车配送中心 成立于2016年,由美团首席科学家夏华夏博士领导。美团无人车配送围绕美团外卖、美团跑腿等核心业务,通过与现有复杂配送流程的结合,形成了无人配送整体解决方案,满足在楼宇、园区、公开道路等不同场景下最后三公里的外卖即时配送需求,提升配送效率和用户体验,最终实现“用无人配送让服务触达世界每个角落”的愿景。
|关注我们 解锁更多无人配送技术干货|
原文始发于微信公众号(美团无人配送):主流激光雷达分类及原理
Welcome to join us.Aibang lidar industry communicationThere are currently 2,700 people, including relevant persons in charge from major lidar manufacturers and OEMs. Click on the tags below to filter
Lidar OEM Autonomous Driving application terminal laser VCSEL light detector sensor Optical element Optical module filter Galvanometer Optical components radome cover adhesive Electronic component semiconductor chip tier1 Parts Non-standard automation Hardware circuit board motor Coating Coating equipment Plastic Products vehicle electronics Surface treatment auto parts equipment Testing Equipment Connector plastic Material software trading acting College graduate School other
Download: