【導(dǎo)讀】設(shè)計一個TOF車載激光雷達系統(tǒng)，首先要確定系統(tǒng)需要探測的最小目標(biāo)、該目標(biāo)的反射率，以及該目標(biāo)的距離，視場角。上述這些因素會定義系統(tǒng)的角分辨率。并在該基礎(chǔ)上計算最小信噪比(SNR)，這也是后續(xù)軟件判定檢測對象真/假的重要檢測標(biāo)準(zhǔn)。
問：車載激光雷達系統(tǒng)的設(shè)計思路
設(shè)計一個TOF車載激光雷達系統(tǒng)，首先要確定系統(tǒng)需要探測的最小目標(biāo)、該目標(biāo)的反射率，以及該目標(biāo)的距離，視場角。上述這些因素會定義系統(tǒng)的角分辨率。并在該基礎(chǔ)上計算最小信噪比(SNR)，這也是后續(xù)軟件判定檢測對象真/假的重要檢測標(biāo)準(zhǔn)。
檢測距離
我們以自動駕駛汽車，防撞的應(yīng)用來舉例。最小目標(biāo)：小轎車4.8m×1.8 m長。目標(biāo)的反射率：取決于物體本身的性質(zhì)（表面狀況）。這里不詳細(xì)討論，假設(shè)目標(biāo)可以很好的反射。
以汽車100公里/小時的速度來計算，不僅考慮以100 km/h速度行駛的車輛，還要考慮以相同速度反向行駛的另一輛車輛。因此，雷達系統(tǒng)需要能夠檢測到200公里/小時的物體，也就是每秒相對運動至少50m。
當(dāng)然，還要考慮，如非線性速度、停車距離、規(guī)避動作等復(fù)雜情況。所以一般說來，高速應(yīng)用需要激光雷達系統(tǒng)檢測更遠的距離。
視場角（FOV）
對于不同的應(yīng)用，不同的環(huán)境，視場角的選擇也不一樣。
圖 1. 自動駕駛車輛和自動地面車輛的對象檢測和防撞等應(yīng)用 (圖片來源于ADI)
如上圖：對于自動駕駛車輛和自動地面車輛的對象檢測和防撞等應(yīng)用，可以使用16像素FOV。在大客車應(yīng)用中，可以用4× 4網(wǎng)格矩陣，以檢測系統(tǒng)周圍的物體，作為車輛的安全器件。
從FOV到角度分辨率
確定FOV之后, 我們可以計算相應(yīng)的分辨率。
FOV可以分為垂直FOV（VFOV）和水平FOV（HFOV）
當(dāng)激光二極管陣列選定之后，比如下圖，一行16個激光二極管組成一個陣列，每個像素尺寸2mm×0.8mm， 20mm焦距的鏡頭。
圖 2. 激光二極管陣列 (圖片來源于ADI)
于是，可以利用三角函數(shù)可以計算每個像素對應(yīng)的VFOV與HFOV
圖 3. VFOV 與 HFOV 計算 (圖片來源于ADI)
因此，根據(jù)三角函數(shù)我們可以得出每個像素，VFOV=5.7°，HFOV=2.292°
有了VFOV/HFOV, 我們就可以得知在某一特定距離，實物尺寸與相素的關(guān)系。
角度分辨率
換一個場景，假設(shè)FOV=1°，即1°角度分辨率，在200 m距離時，
一個像素點，對應(yīng)于2×Tan（0.5°）×200m=3.5m長的物體。
即1°角分辨率會轉(zhuǎn)換成每側(cè)3.5米像素。
對于4.8m×1.8 m小轎車來說，很難檢測。
相比FOV=0.1°，即0.1°角度分辨率，在200 m距離時，
一個像素點，對應(yīng)于2×Tan（0.05°）×200m = 0.35m長的物體。
對于一個4.8m×1.8 m長的小轎車，在200 m距離時，至少可以有5個像素寬度的成像。
精細(xì)的角度分辨率使車載雷達系統(tǒng)能夠從單一對象接收多個像素的返回信號。因此，在這個系統(tǒng)下，甚至有可能區(qū)分汽車和摩托車。
距離精度與最小信噪比（SNR）
距離（或深度）、精度都與ADC采樣速率相關(guān)。距離精度允許系統(tǒng)準(zhǔn)確地知道一個物體有多遠。對于移動的應(yīng)用來說，非常重要。
假設(shè)ADC采樣周期Δt 為1 ns采樣時段, 我們可以計算距離
d=（c×Δt）/2 = 15cm
c是光速
即使用1 GSPS ADC的距離精度可達到15 cm。
當(dāng)然可以采用更復(fù)雜的技術(shù)（例如過采樣插值）來改善范圍測量精度。
據(jù)估計，大約可以將范圍測量精度提升SNR的平方根。匹配濾波器是用于處理數(shù)據(jù)的性能最高的算法之一，它可以在插入之后最大化SNR，以得出最高的范圍測量精度。
激光雷達系統(tǒng)拓?fù)浣Y(jié)構(gòu)
以ADI的方案為例：
圖 4. ADI 激光雷達系統(tǒng)拓?fù)浣Y(jié)構(gòu) (圖片來源于ADI)
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進行處理。
推薦閱讀：
匯聚生態(tài)之力，英特爾以網(wǎng)絡(luò)與邊緣技術(shù)連結(jié)可持續(xù)數(shù)字化未來
