自动驾驶的激光雷达设计：目标分类或目标检测

导读

无人驾驶的承诺不再是一个白日梦。现在，围绕自动驾驶的问题集中在实现所需的基础技术和进步上。LiDAR已经成为支持向自动驾驶转变的最受讨论的技术之一，但是仍然存在许多问题。

LiDAR距离可大于100米，角度分辨率为0.1°。然而，并不是所有的自动驾驶应用都需要这种级别的性能，诸如代客泊车辅助和街道清扫车等应用。有大量的深度传感技术支持这些应用，如雷达、立体视觉、超声波探测和测距以及LiDAR。每种传感器在性能、尺寸和成本之间都有独特的权衡。超声波设备是最便宜的，但在范围、分辨率和可靠性方面受到限制。雷达在射程和可靠性方面有了很大的提高，但它也有角分辨率的限制；立体视觉可能会有很大的计算开销和精度限制，以及需要正确的校准；LiDAR有助于弥补这些差距，精确的深度感测，精细的角度分辨率，低复杂度的处理。然而，LiDAR通常被视为体积庞大、成本高昂的产品，事实并非如此。

LiDAR的设计首先要确定系统需要检测的最小物体、该物体的反射率以及该物体所处的距离。这将定义系统的角度分辨率。由此计算出最小可达到信噪比（SNR），即检测目标所需的真/假阳性或阴性检测准则。

了解感知环境和信息量，有助于进行适当的设计权衡，实现成本、性能、开发难度相关的最佳解决方案。例如，考虑一辆以100公里/小时速度行驶的自动驾驶汽车，与以6公里/小时的速度前进的物流机器人相比。在高速情况下，不仅要考虑以100 公里/小时的速度行驶的车辆，还要考虑另一辆以相同速度反向行驶的车辆。对于感知系统来说，这相当于200公里/小时的相对速度接近。对于探测最大距离为200米的LiDAR来说，车辆在一秒钟内就能将物体之间的距离缩短25%。应该强调的是，车辆的速度、停车距离和执行规避所涉及的动力学是特有的复杂性。一般来说，可以说，LiDAR需要高速应用。

分辨率是激光雷达系统设计的另一个重要的特性。良好的角分辨率使激光雷达系统能够从单个物体接收多个像素的返回信号。如图1所示，在200米的范围内，1°的角分辨率将转换为边长3.5米的像素。这个尺寸的像素比许多需要检测的物体都要大，这带来了一些挑战。首先，空间平均通常被用来提高信噪比和可检测性，但由于每个目标只有一个像素，这不是一个选择。此外，即使被探测到，也无法预测物体的大小。一块道路碎片、一只动物、一个交通标志和一辆摩托车通常都小于3.5米。相比之下，0.1°角分辨率的系统像素要小10倍，也就是35厘米，因此，这个系统可能会区分出汽车和摩托车。

与方位角相比，探测一个物体是否能安全地驶过需要更高分辨率的仰角。想象一下，一个自动物流机器人的要求会有多大不同，因为它的速度很慢，需要探测狭窄但又高的物体，比如桌腿。

LiDAR的速度和性能可以在图2中确定。有很多选择可以选择，例如扫描对比泛光面阵式，或者ToF 对比波形数字化，它们之间的选择不在本文的范围内。


（图1 具有32个垂直通道的激光雷达系统，以1°的角分辨率水平扫描环境。）


（图2 激光雷达系统的分立元件。）


（图3 ADI AD-FMCLIDAR1-EBZ激光雷达开发解决方案系统架构）

范围或深度精度与ADC采样率有关。测距精度允许系统准确地知道物体的距离，这在需要近距离移动的情况下非常关键，例如停车场或仓库物流。此外，范围随时间的变化可以用来计算速度，这个用例通常需要更好的距离精度。使用简单的阈值算法（如直接ToF），1ns采样周期（即1gsps ADC）可实现的距离精度为15cm。计算结果为c（dt/2），其中c是光速，dt是ADC采样周期。然而，考虑到ADC包括在内，可以使用更复杂的技术，例如插值等，来提高测距精度，可以通过粗略估计信噪比的平方根来提高测距精度。处理数据的最高性能算法之一是采用滤波器，它最大限度地提高信噪比，然后进行插值以获得最佳精度。

AD-FMCLIDAR1-EBZ是一个高性能激光雷达原型平台，采用905nm脉冲ToF激光雷达开发工具。该系统可用于机器人、无人机、农业和建筑设备以及具有1D泛光面阵式扫描雷达原型。该系统采用高速双4A MOSFET驱动的905nm激光源。它还包括由LT8331可编程电源，为First Sensor 16通道APD阵列供电。有多个4通道LTC6561 跨阻放大器，具有低噪声和高带宽，以及AD9094 1 GSPS、8位ADC，确保每个通道的功耗最低，为435 mW/通道。此外还支持根据需要额外增加带宽和采样率，这有助于提高整体系统帧速率和测距精度。同时，降低功耗也很重要，因为散热量越小，热/机械设计就越简单，形状也就越小。

另一个LiDAR设计的工具是eval-ADAL6110-16，高度可配置的评估系统。它提供了一个简化的，但可配置的，2D 泛光面阵式雷达传感器，用于需要实时（65赫兹）目标检测/跟踪的应用，如防撞、高度监控和软着陆。


（图4 使用集成16通道ADAL6110-16的eval-ADAL6110-16激光雷达评估模块。）

参考设计中使用的光学元件视野（FOV）为方位角37°仰角5.7°。在方位角为16个像素的线性阵列中，20米处的像素大小与成人的平均值方位角0.8米，仰角2米相当。如前所述，不同的应用可能需要不同的光学配置。如果现有的光学元件不能满足应用的需要，PCB可以很容易地从外壳上拆下，并加入一个新的光学结构中。

评估系统是围绕ADI的ADAL6110-16构建的，ADAL6110-16是一种低功耗、16通道的集成式激光雷达信号处理器（LSP）。该装置提供用于探测感兴趣区域的定时控制、对接收到的波形进行采样的定时以及将捕获的波形数字化的能力。ADAL6110-16集成了敏感的模拟节点，降低了噪声，使系统能够捕捉到非常低的信号反馈，而不是用具有类似设计参数的离散元件实现相同的信号链，在这些元件中，均方根噪声是影响一切的关键。此外，集成信号链允许激光雷达系统减少尺寸、重量和功耗。

系统软件可以快速启用，它是完全独立的，通过USB 5伏电源供电，可以很容易地集成到一个带有机器人操作系统（ROS）驱动程序的系统中。用户只需创建一个连接器，就可以与机器人或车辆连接，并支持四种通信协议：SPI、USB、CAN或RS-232。参考设计也可以根据不同的接收器和发射器技术进行修改。

如前所述，eval-ADAL6110-16参考设计的接收机数据可以修改，以创建不同的配置，如图5至图7所示。eval-ADAL6110-16配备了 Hamamatsu S8558 16光电二极管阵列。表1中显示的不同距离的像素的大小基于有效像素大小（即0.8 mm×2mm）以及20 mm焦距透镜。例如，如果同一板用诸如Osram SFH-2701等单个光电二极管重新设计，每个光电二极管的活动面积为0.6mm×0.6mm，则同一范围内的像素大小将与FOV根据像素大小的变化而不同。



表1 如果接收器被更改为SFH-2701，则eval-ADAL6110-16中使用的接收器尺寸和光学元件以及潜在像素排列


（图5 Hamamatsu S8558二极管阵列。）
例如，让我们看看S8558，它的16个像素排列成一条直线
像素尺寸：2mm×0.8mm。


（图6 使用基本三角函数计算角分辨率。）

选择20 mm焦距透镜后，可以使用基本三角函数计算每个像素的垂直和水平FOV，如图6所示。当然，镜头的选择可能涉及额外的、更复杂的考虑，例如像差校正和场曲率。然而，对于这样的低分辨率系统，直接的计算就足够了。

所选的1×16像素FOV可用于自主车辆和自主地面车辆的目标检测和避碰等应用，也可用于仓库等受限环境下机器人的定位和映射（SLAM）。

有一个有意思的应用是在4×4网格中，以检测系统周围的对象。正在开发的此应用将安装在公交车和房车上，如果有行人在公交周围时，会警告驾驶员。该系统可以检测个人行走的方向，并通过停车或用喇叭提醒行人，以防止撞到，并及时警告驾驶员采取行动。

记住，并非每个应用程序都要求0.1°角分辨率和100 米监测范围。花些时间考虑激光雷达系统设计中应用程序真正需要的内容，然后明确定义关键标准，如目标大小、反射率、目标距离和无人驾驶系统运行速度。这将为平衡设计提供更匹配的组件选择，使其相对于系统所需的功能进行最佳性能和成本的选择，最终增加首次成功设计的可能性。


（图7 激光雷达系统的各种光学实现，可帮助提高应用程序安全。）

本文作者：
Sarven Ipek于2006年加入ADI。在ADI任职期间，Sarven在故障分析、设计、特性描述、产品工程、项目和程序管理方面积累了丰富的经验。Sarven目前是位于马萨诸塞州威尔明顿市的Autonomous Transportation and Safety Group的LIDAR部门的营销经理。

Ron Kapusta是ADI研究员，拥有麻省理工学院的理学学士和工程硕士学位。2002年毕业后，他加入ADI，负责数字成像系统设计数据转换器和传感器接口电路。2014年，罗恩将重点转移到汽车技术领域，致力于激光雷达传感器的电子、光子学和信号处理。罗恩还参与了几个IEEE会议的项目委员会。