激光雷达串扰现象的成因与应对策略解析

2026-03-20 14:54:19
关注

激光雷达串扰现象的成因与应对策略解析

作为自动驾驶系统中至关重要的环境感知组件,激光雷达即便在当前纯视觉方案兴起的背景下,仍然被大量车企视为核心传感器之一。目前主流的激光雷达技术主要分为两种:脉冲飞行时间(Time-of-Flight, TOF)与连续波调频(Frequency-Modulated Continuous Wave, FMCW)。

TOF激光雷达的工作机制较为直观,发射端定期发射一个窄脉冲激光束,通过计算发射与接收之间的时间延迟,并乘以光速的一半,即可得出目标距离。该方案具有实现简单、测距直观、脉冲能量集中等优点。但由于对时间测量精度要求极高,且易受环境光或外部脉冲干扰,因此在实际应用中存在一定局限性。多数车规级TOF激光雷达采用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等方面存在技术差异。

FMCW激光雷达则采用连续激光发射,并通过线性调频方式使发射光的频率随时间变化。接收到的回波与本地参考光进行相干混频,产生拍频信号,通过拍频频率即可推导出目标的距离与相对速度信息。由于采用相干检测机制,FMCW激光雷达在接收微弱信号时具备更高的增益,并能同时获取多普勒信息。此外,只有与本地参考光相干的信号才能产生有效干涉,因此对外部非相干光源(包括其他车辆的激光信号)具有天然抗干扰能力。

串扰现象的成因

随着激光雷达在车辆中的普及,串扰问题逐渐凸显。所谓串扰,即激光雷达接收端误将其他车辆发射的激光脉冲识别为自身发出的回波,从而影响感知精度。

TOF激光雷达依赖短脉冲发射,脉冲在空间中传播过程中可能发生反射、漫散射,最终被其他车辆的激光雷达误判为有效回波。由于接收端通常仅依赖时间差或脉冲形态来识别目标,缺乏额外的鉴别机制,因此容易将外部脉冲误认为自身信号,导致测距错误、点云丢失甚至产生虚假点云。

这一现象在车辆密集行驶、夜间或远距离场景中尤为明显。此外,同一车辆上多个TOF激光雷达单元若未协调好发射与接收时序,也易产生相互干扰。例如,A单元发射的激光经反射进入B单元的视场,或B的接收窗口在A发射后仍处于开启状态,均可能导致串扰。相比之下,FMCW激光雷达凭借相干检测机制在部分场景中具有天然抑制能力,但其抗干扰效果仍受具体实现和硬件设计影响。

TOF激光雷达串扰的抑制方法

为缓解TOF激光雷达串扰问题,业界提出了多种技术手段,核心思路在于通过“标识”发射脉冲或控制发射时间,提高接收端对自身信号的识别能力。

脉冲编码是一种常用方案,即通过特定规则对发射脉冲进行编码,接收端通过解码仅识别与自身编码匹配的信号。该方法可显著降低误判概率,尤其适用于多车共存场景。然而,编码过程会将能量在时间上展开,影响信噪比,导致远距离或低反射率目标的探测能力下降。因此,设计时需在编码长度、码速率、发射功率与接收器积分时间之间进行权衡。

时间复用与接收门控是另一类有效策略。通过错开不同单元或车辆的发射时间,并仅在预测回波到达的时间窗口内开启接收器,可有效减少相互干扰。该方法在车端多传感器协作中效果显著,但依赖高精度同步时钟系统,且在异常反射路径或目标距离超出预期时存在数据丢失风险。

此外,还可通过引入随机化发射时序或在帧结构中加入时间抖动,使周期性干扰转化为随机噪声,从而降低长期重合概率。这种方法实现简单、兼容性强,但仅能在统计层面降低冲突,无法彻底消除串扰。

从硬件与光学角度出发,可采用窄带光学滤波器滤除非目标波段的光,或通过光学方向性设计、物理遮挡等手段减少侧向干扰。软件层面则可设置接收门限、多帧验证机制等,以在点云后处理阶段剔除虚假点。

FMCW激光雷达的抗串扰优势

由于FMCW激光雷达依赖相干检测机制,其回波需与本地参考光产生稳定拍频才能被识别,因此对外部非相干脉冲信号具有较强的抗干扰能力。相比之下,TOF激光雷达更易受到来自其他车辆或传感器的串扰。

然而,尽管FMCW在抗串扰方面具有优势,但其在商业化应用中仍面临一定挑战。FMCW系统需要高精度调频光源与稳定的本地振荡器,同时对相位和频率噪声极为敏感,硬件复杂度与成本均高于TOF方案。在某些特殊情况下,如多个相干源同时存在,或外来连续波频率轨迹巧合,FMCW也可能受到干扰。此外,其测距与测速信息耦合,增加了算法处理难度,使得大规模部署面临一定成本压力。

软件层面的增强与多传感器融合

无论是TOF还是FMCW,仅依靠硬件难以覆盖所有场景,软件设计成为不可或缺的辅助手段。可采用点云异常检测、时间一致性校验、多帧累积判断等方法,以提升点云数据的可靠性。

例如,当激光点云中出现孤立点,且在单帧中出现、缺乏速度场支持,同时未被其他传感器(如摄像头、毫米波雷达、IMU/GNSS)检测到,便可将其标记为低置信度信号并进行剔除。通过多传感器数据融合,可进一步提升系统鲁棒性。

近年来,机器学习技术也被用于识别串扰产生的伪点。通过训练具备时空特征的分类器,系统可识别串扰点的典型特征,如突发出现、空间孤立、反射强度异常等,并在运行时动态调整权重。但该方法需依赖大量训练样本,并需防范将真实小目标误判为干扰。

结语

随着激光雷达装车密度的增加,串扰问题正逐步成为影响感知系统可靠性的关键因素。TOF激光雷达因脉冲特性而更易受到干扰,而FMCW凭借其相干检测机制在抗干扰方面具有一定优势,但同时面临成本和复杂度的挑战。

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

集知网

这家伙很懒,什么描述也没留下

关注

点击进入下一篇

自动驾驶中的“点云”详解

提取码
复制提取码
点击跳转至百度网盘