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(xiàn)實所需的底層技術(shù)和技術(shù)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(shù)是討論最多的技術(shù)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(tǒng)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(shù)可以實現(xiàn)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(xié)。超聲波器件最為經(jīng)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(tǒng)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(tǒng)一般體積大，成本高，這些缺點需要改進。

LIDAR系統(tǒng)設計要確定系統(tǒng)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(tǒng)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(tǒng)探測的檢測概率與誤檢概率。

了解感知環(huán)境和必要的信息量，作出適當?shù)脑O計權(quán)衡，從而開發(fā)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(qū)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(tǒng)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(nèi)便會縮短25%。應該注意的是，在進行規(guī)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(tǒng)。

分辨率是LIDAR系統(tǒng)設計中的另一個重要系統(tǒng)特性。精細的角度分辨率使LIDAR系統(tǒng)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(zhàn)。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(jù)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(qū)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(qū)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(tǒng)

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(zhì)以及要達到的性能，就可以構(gòu)建符合其應用的LIDAR系統(tǒng)構(gòu)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(shù)字化，但本文暫不討論它們各自的優(yōu)缺點。無論選擇哪一種架構(gòu)，ADI豐富的高性能信號鏈和電源管理組件產(chǎn)品系列（用藍色突出顯示，參見圖2）會提供所需的構(gòu)建塊，幫助設計存在不同限制（例如尺寸和成本）的系統(tǒng)。

圖2 使用分立元件的LIDAR系統(tǒng)

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(fā)套件。使用這個系統(tǒng)可以快速構(gòu)建機器人、無人機、農(nóng)業(yè)和建筑設備，以及采用1D靜態(tài)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(tǒng)采用905 nm激光源，由高速、雙通道4 A MOSFETADP3634驅(qū)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(xù)增大帶寬和采樣速率，以幫助提高整個系統(tǒng)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(fā)解決方案系統(tǒng)架構(gòu)。

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(tǒng)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(jù)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(shù)（例如插值）來改善范圍測量精度。據(jù)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(shù)據(jù)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(tǒng)，可以輔助實施LIDAR系統(tǒng)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(jiān)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(xiàn)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(tǒng)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(qū)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(shù)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(tǒng)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(tǒng)設計的尺寸大小、重量和功耗。

系統(tǒng)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(qū)動，可以很方便集成進現(xiàn)有的自動駕駛系統(tǒng)。用戶只需創(chuàng)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(xié)議進行通信：SPI、USB、CAN或RS-232。可以選擇不同的接收器和發(fā)射器技術(shù)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(shù)，以構(gòu)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(nèi)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(shù)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(tǒng)，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(huán)境（例如倉庫）中的機器人實現(xiàn)同步定位與地圖繪制(SLAM)。

圖7.LIDAR系統(tǒng)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(wǎng)格矩陣，以檢測系統(tǒng)周圍的物體。這個正在開發(fā)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(fā)出警報。該系統(tǒng)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(tǒng)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(tǒng)行進的速度。

這可以為組件選擇提供依據(jù)，使系統(tǒng)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(chǎn)品工程以及項目和程序管理方面積累了豐富的經(jīng)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(chǎn)品部門LIDAR部的營銷經(jīng)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(tǒng)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(yè)后加入ADI公司，為數(shù)字成像系統(tǒng)設計數(shù)據(jù)轉(zhuǎn)換器和傳感器接口電路。2014年，Ron將研究重點轉(zhuǎn)移到汽車技術(shù)，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