作者：Sarven Ipek和Ron Kapusta

全自動駕駛的未來已不再遙不可及。如今，與自動駕駛相關的問題主要圍繞讓自動駕駛成為現實所需的底層技術和技術進步來展開。在支持向自動駕駛應用過渡方面，激光探測和測距(LIDAR)技術是討論最多的技術之一，但仍存在諸多問題。測距范圍大于100米，角分辨率達到0.1°的LIDAR系統仍然是自動駕駛領域里的核心模塊。但是，并非所有自動駕駛應用都需要這種級別的性能。泊車助手和街道清掃就是其中兩個。目前有大量景深測量技術可以實現這些應用，例如無線電探測和測距（雷達）、立體視覺、超聲波探測和測距，以及LIDAR。但是，這些傳感器都是在性能尺寸成本之間做了妥協。超聲波器件最為經濟高效，但其范圍、分辨率和可靠性都很有限。雷達的檢測范圍和可靠性得到大幅提升，但它的角分辨率存在限制；此外，立體視覺的計算成本非常高，而且如果不能妥善校準，則精度非常有限。精心設計的lider系統能做到在長探測距離下，精準的測距，出色的角分辨率，較低的算法處理，所以能夠幫助彌補這些不足。但是，LIDAR系統一般體積大，成本高，這些缺點需要改進。

LIDAR系統設計要確定系統對小目標的探測能力，在多少遠處能探測到多低反射率的多小尺寸的目標。同時這也就定義了系統需要的角分辨率。由此可以計算得出可達到的最小信噪比(SNR)，該最小信噪比就決定了系統探測的檢測概率與誤檢概率。

了解感知環境和必要的信息量，作出適當的設計權衡，從而開發出成本和性能最佳的解決方案。例如，一輛自動駕駛汽車以100 kph (~27 mph)的速度在道路上行駛，而自動機器人則以6 kph的速度在步行區或倉庫中移動。在高速情況下，我們可能不但需要考慮以100 kph的速度行駛的車輛，還需要考慮以相同速度對向行駛的另一車輛。對于感測系統來說，這相當于一個物體以200 kph的相對速度接近。對于LIDAR傳感器來說，檢測對象之間的最大距離為200 m時，兩車之間的距離在一秒內便會縮短25%。應該注意的是，在進行規避時，汽車的速度（或與對象之間的非直線逼近速度）、剎停距離和動力學這些復雜因素會因具體情況而異。一般來說，高速應用需要采用檢測距離更長的LIDAR系統。

分辨率是LIDAR系統設計中的另一個重要系統特性。精細的角度分辨率使LIDAR系統能夠從某一個被測目標接收到多個像素的回波信號。如圖1所示，在200m處，1°角分辨意味著單個像素寬度為3.5m。這種像素尺寸比許多目標的物理尺寸都大，這會帶來多重挑戰。首先，我們通常使用空間平均法來改善SNR和檢測能力，但是如果目標只占據一個像素點，這種方法并不適用。此外，即使能檢測到，我們也無法評估出目標的尺寸。道路上的垃圾碎屑、動物、交通標志和摩托車，這些物體的尺寸通常都小于3.5米。當角分辨率再提升10倍達到0.1°，對于200米開外的汽車，水平方向就能采集到5個相鄰的像素點。這意味著在200m開外，就能區分出是汽車還是摩托車。（看交通工具的寬度即可，一般情況下交通工具都是寬度大于高度的。且汽車和摩托車高度差不多，寬度有明顯區別）。

為能安全的自動行駛，不僅方位角需要高分辨率，有時候還需要俯仰角高分辨率。想象一下，自動化的掃地機器人盡管移動緩慢但是需要檢測細高的物體，如桌子腿，以便判斷能否鉆進桌下進行工作。這個需求與之前的高速自動駕駛需求就不太一樣了。

圖1. 1°水平分辨率的32線掃描LIDAR系統

一旦確定下來自動駕駛設備的速度與行駛場景，需要探測目標的性質以及要達到的性能，就可以構建符合其應用的LIDAR系統構架。您可以做出多種選擇，例如掃描與閃光、直接飛行時間(ToF)與波形數字化，但本文暫不討論它們各自的優缺點。無論選擇哪一種架構，ADI豐富的高性能信號鏈和電源管理組件產品系列（用藍色突出顯示，參見圖2）會提供所需的構建塊，幫助設計存在不同限制（例如尺寸和成本）的系統。

圖2 使用分立元件的LIDAR系統

AD-FMCLIDAR1-EBZ是高性能的LIDAR原型制作平臺，也是905 nm脈沖直接ToF LIDAR開發套件。使用這個系統可以快速構建機器人、無人機、農業和建筑設備，以及采用1D靜態閃光配置的ADAS/AV的原型。這個參考設計中選用的組件主要是針對長距離脈沖LIDAR應用。該系統采用905 nm激光源，由高速、雙通道4 A MOSFETADP3634驅動。它還包括由可編程電源LT8331供電（用于生成APD電源電壓）的First Sensor 公司的16通道APD陣列。包括多個低噪聲、高帶寬的4通道LTC6561TIA，一個AD9094AD9094 1 GSPS、8位ADC，其在通道上的功耗最低，為每通道435 mW。 我們的設計需要繼續增大帶寬和采樣速率，以幫助提高整個系統的幀率和范圍精度。與此同時，需要最大限度降低功耗。這是因為散熱減少可以簡化熱/機械設計，從而幫助模塊減小外形尺寸。

圖3.ADI公司的AD-FMCLIDAR1-EBZ LIDAR開發解決方案系統架構。

測量距離（或深度）、精度都與ADC采樣速率相關。距離測量精度使得系統能夠準確獲知與目標之間的距離，對于需要近距離移動的場景（例如停車或倉儲物流），這非常重要。此外，可以根據多幀之間目標距離的變化來計算目標的速度，這種情況下就要求對目標距離的測量精度要很高。采用簡單的閾值算法（例如直接ToF）時，1 ns采樣時段（也就是，使用1 GSPS ADC）的范圍精度可達到15 cm。計算公式為c(dt/2)，其中c表示光速，dt表示ADC采樣時段。鑒于包含ADC，所以，可以采用更復雜的技術（例如插值）來改善范圍測量精度。據估計，測量精度將正比于信噪比的均方根。匹配濾波器是用于處理數據的性能最高的算法之一，它可以在插值之后最大化SNR，從而得到最好的距離測量精度。

EVAL-ADAL6110-16，一款高度可配置的評估系統，可以輔助實施LIDAR系統設計。它為需要實時(65 Hz)檢測/跟蹤對象的應用（例如防撞、高度監測和軟著陸）提供簡單但可配置的2D閃存LIDAR深度傳感器。

圖4.使用集成式16通道ADAL6110-16的EVAL-ADAL6110-16 LIDAR評估模塊。

參考設計中使用的光學器件為我們提供了37°（方位角）和5.7°（俯仰角）的視野(FOV)。在方向角的16像素線性矩陣中，20米像素大小相當于普通成人的體型，為0.8米（方位角）×2米（俯仰角）。如前所述，不同的應用可能需要不同的光學配置。如果現有的光學器件不能滿足應用需求，可以輕松從殼體上取下印刷電路板，并將其集成到新的光學配置中。

該評估系統以ADI的ADAL6110-16為核心，這是一款低功率、16通道的集成式LIDAR信號處理器(LSP)。該器件為相關的照明區域提供時序控制和對接收的波形采樣的時序，且能對獲取的波形實施數字化。ADAL6110-16集成了高靈敏度的模擬元件，可以幫助降低本底噪聲，使系統能夠捕獲能量很低的回波信號。相對于采用類似信號鏈的分立式元件方案，它們的本底噪聲是由rms噪聲決定的，所以其靈敏度不如ADAL6110的方案。此外，使用集成信號鏈可以減小LIDAR系統設計的尺寸大小、重量和功耗。

系統軟件能讓芯片快速測距以便完成多點測量。它的通道之間是完全獨立的，通過USB提供的單個5 V電源運行，通過使用該模塊的機器人OS（ROS）的驅動，可以很方便集成進現有的自動駕駛系統。用戶只需創建一個連接器，將設備與機器人或者車輛的接口相連，即可通過以下四種通信協議進行通信：SPI、USB、CAN或RS-232。可以選擇不同的接收器和發射器技術對參考設計實施修改。有關EVAL-ADAL6110-16和ADAL6110-16 LSP的更多信息，請訪問analog.com/LIDAR.

如前所述，可以更改EVAL-ADAL6110-16參考設計的接收器技術，以構建圖5至圖7所示的不同配置。EVAL-ADAL6110-16采用Hamamatsu S8558 16元件光電二極管矩陣。表1中顯示的不同距離下的像素大小是基于有效像素大小，即0.8 mm×2 mm，以及20 mm的焦距鏡頭。例如，如果使用單個光電二極管（例如Osram SFH-2701）來重新設計這個板，且每個光電二極管的有效面積為0.6 mm × 0.6 mm，那么相同范圍內的像素大小會大為不同，因為FOV會隨像素大小而改變。

表1.EVAL-ADAL6110-16中使用的接收器大小和光學器件，以及將接收器更換為SFH-2701之后，可能的像素排列

例如，我們來回顧一下16個像素配成一行的S8558，各像素尺寸為：2 mm × 0.8 mm。

圖5.Hamamatsu S8558 PIN光電二極管陣列的尺寸。

選擇20mm焦距鏡頭后，可以利用基本三角函數計算出每個像素的垂直和水平FOV，如圖6所示。當然，選擇鏡頭時還需要考慮其他更復雜的因素，比如像差校正和場曲效應。但是，對于這樣的低分辨率系統，一般只需要進行簡單的光路計算。

圖6. 簡單光學模型的角分辨率基本計算

所選的1×16像素FOV可用于自動駕駛車輛和自動地面車輛的對象檢測和防撞等應用中，或者使受限環境（例如倉庫）中的機器人實現同步定位與地圖繪制(SLAM)。

圖7.LIDAR系統的各種光學配置，可以幫助增強應用的安全性。

有一種獨特應用，需要配置4 × 4網格矩陣，以檢測系統周圍的物體。這個正在開發中的應用將被安裝在大客車和RV（休閑車輛）中，作為車輛的安全器件，可以在車輛近旁有行人行走時向駕駛員發出警報。該系統可以檢測行人行走的方向，提醒駕駛員剎停車輛或按喇叭提醒行人，以防撞倒行人或自行車騎行者。

注意，并非每種應用都需要0.1°的角分辨率和100米測量范圍。細想一下應用真正需要采用哪種LIDAR系統設計，然后明確定義關鍵標準，例如對象大小、反射率、與對象的距離，以及自動駕駛系統行進的速度。

這可以為組件選擇提供依據，使系統設計在出色性能、成本和需要的功能之間達成平衡，以便大幅提高首次設計成功的可能性。

作者

Sarven Ipek于2006年加入ADI公司。在ADI公司任職期間，Sarven在故障分析、設計、特性表征、產品工程以及項目和程序管理方面積累了豐富的經驗。Sarven目前是ADI公司麻薩諸塞州威明頓市自動駕駛和安全產品部門LIDAR部的營銷經理。他擁有東北大學電氣和計算機工程學士學位以及電氣工程碩士學位，主修通信系統和信號處理。

Ron Kapusta是ADI的研究員，擁有麻省理工大學的理學學士和工程學碩士學位。他在2002年畢業后加入ADI公司，為數字成像系統設計數據轉換器和傳感器接口電路。2014年，Ron將研究重點轉移到汽車技術，主要研究與LIDAR傳感器有關的電子、光子和信號處理。Ron還在多個IEEE會議的項目委員會任職。
編輯：hfy