激光雷达中的串扰现象解析

2026-01-09 13:00:29
关注
html

激光雷达中的串扰现象解析

自自动驾驶技术问世以来,激光雷达始终扮演着关键的环境感知角色。即便当前部分技术路径转向纯视觉系统,仍有大量车企坚持采用激光雷达作为核心硬件。当前主流的激光雷达工作方式主要分为脉冲型飞行时间(Time-of-Flight,TOF)和连续波调频型(Frequency-Modulated Continuous Wave,FMCW)。

TOF激光雷达的基本原理较为直观:发射端周期性地发送窄激光脉冲,这些脉冲在遇到障碍物后反射回来,由接收端测量脉冲往返的飞行时间,结合光速计算出目标距离。这种方式实现简便、测距直接、能量集中,但对时间测量精度要求极高,并且容易受环境光或其他干扰脉冲影响。目前,车规级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存在不同策略。

相较之下,FMCW激光雷达不依赖于时间测量,而是通过连续发射频率线性变化的激光,并利用回波与本地参考光相干混频后产生的“拍频”信号,计算出目标的距离与相对速度。这种方案在微弱信号接收方面具备增益优势,且能够同时获取多普勒信息。由于相干检测机制的特性,只有与本地参考光相干的回波才会被识别,因此FMCW雷达对外部非相干信号(如其他车辆激光)具备天然抗干扰能力。

串扰的成因

随着搭载激光雷达的车辆数量激增,串扰现象逐渐成为行业关注的问题。所谓串扰,指的是激光雷达接收到其他车辆发射的信号,导致感知错误。对于TOF方案而言,其脉冲式的发射方式容易在空间中与其他激光信号发生交叉反射或漫散射,进而被误判为有效回波。

由于TOF接收端通常仅依赖于时间差或脉冲形状来识别目标,缺乏更高级别的信号鉴别机制,因此可能将其他车辆的激光信号误认为自身回波,从而引发测距误差、点云丢失或虚假点云问题。在密集交通场景中,尤其是在夜间或开阔区域,串扰现象尤为明显。此外,同一车辆上多个TOF单元若未做好时序协调,也可能因交叉反射或时间重叠而产生干扰。

相较之下,FMCW雷达凭借相干检测原理对串扰具备更强的抑制能力,但并非完全免疫。其抗扰效果仍取决于系统设计与实现细节。

TOF激光雷达抗串扰方案

为缓解串扰问题,TOF激光雷达通常采用多种技术手段,其核心思想是为每个发射脉冲添加“标识”或实现“时间控制”,以便接收端有效区分自身回波与外部干扰。

其中,脉冲编码是一种典型方案。该方法对脉冲序列进行编码,接收端通过解码操作确认信号来源。通过伪随机序列或时序码型等方式,编码能够显著降低误判概率,尤其在高密度交通环境中表现更好。

然而,编码方法也会带来信噪比下降和测距能力削弱的问题。因为脉冲能量被分散,需要进行相关处理以恢复原始回波,这在低反射率目标或远距离探测中可能造成灵敏度下降。因此,在系统设计中需综合权衡编码长度、发射功率与探测器性能。

时间复用与接收门控则是另一种抗串扰策略。该方法通过错开不同单元的发射时间,或仅在预估回波到达时间窗口内开启接收器,实现干扰信号的过滤。这种方式对车辆内部多个TOF单元之间的干扰尤为有效,但其前提是具备高精度同步时钟和硬件支持。门控机制亦存在一定风险,如回波延迟或反射路径异常可能导致有效数据丢失。

此外,随机化发射时序或在帧结构中加入时间抖动,也是一种简易且兼容性强的方案。通过随机偏移脉冲发射时间,可减少周期性干扰,但在高密度场景中仍难以完全避免串扰。

除以上方案外,还可以通过光学滤波器、光学方向性设计、物理遮挡等方式抑制干扰。例如使用窄带滤波器减少环境光影响,或通过遮挡结构减少侧向或反射干扰。在软件层面,点云异常检测、多帧验证机制等手段也可用于剔除虚假点。

FMCW激光雷达的抗串扰能力

由于FMCW激光雷达依赖相干检测,只有与本地参考光保持频率和相位一致的信号才会被有效识别,因此对外部非相干信号具备天然免疫力。外来脉冲或非同步信号无法与本地参考光形成稳定干涉,从而不会被误判为目标。

虽然FMCW在抗串扰方面表现优异,但其复杂度与成本也显著高于TOF系统。FMCW需要高精度调频光源、稳定本地振荡器,并对频率噪声极为敏感。此外,其测距与测速信息是耦合的,对数字信号处理和算法设计提出了更高要求。这意味着尽管FMCW在高密度场景中更稳定,但其成本结构限制了其在大规模商业化应用中的普及。

软件与传感器融合的作用

无论是TOF还是FMCW系统,硬件本身难以覆盖所有干扰场景,软件层面的处理不可或缺。常见的做法包括点云异常检测、时间一致性校验、多帧累积判断等,以提升对虚假点的识别能力。

例如,对于单帧中孤立出现且缺乏速度支持的激光点,若摄像头未捕捉到对应物体,系统可将其标记为低可信度并忽略。通过与其他传感器(如毫米波雷达、IMU/GNSS等)进行融合,系统能够更准确地评估环境状态,降低因串扰导致的误检风险。

机器学习技术也被引入到串扰识别中,通过训练模型识别串扰点的时空特征(如突发性、孤立性、反射强度异常等),从而降低其置信度。不过,该方法依赖大量训练样本,并需避免将罕见的小目标误判为干扰。

结语

随着激光雷达装车数量的持续上升,串扰问题将愈发突出。TOF系统因其脉冲式工作方式更容易受到干扰,而FMCW则凭借其相干检测机制具备更强的抗扰能力,但其高昂的硬件成本与算法复杂度限制了其广泛应用。

-- END --

您觉得本篇内容如何
评分

评论

您需要登录才可以回复|注册

提交评论

广告

玩物志

这家伙很懒,什么描述也没留下

关注

点击进入下一篇

点云技术详解:自动驾驶感知系统的核心要素

提取码
复制提取码
点击跳转至百度网盘