成功的自動駕駛汽車必定將使用緊密集成的傳感器系統來達到甚至超越人類的駕駛能力。人類駕駛員一般利用雙眼、雙耳，以及車輛運動給人的反饋來駕駛汽車。我們的大腦會實時處理所有這些信息，并從人腦的駕駛經驗數據庫中直覺反應。復現人類駕駛能力所需的傳感器包括雷達、激光雷達（LIDAR）、攝像頭、慣性測量單元（IMU），以及超聲波傳感器。每種系統都有其優勢，也有其缺點。單一傳感器的精度和性性能不足以取代所有其他傳感器相輔相成的多傳感器融合是大趨勢。本文將介紹與LIDAR有關的主要設計考量，LIDAR是一種傳感器，為各種自動駕駛解決方案提供大量數據。

圖1．蛛網圖，比較視覺、雷達和LIDAR。

在自動駕駛汽車中，LIDAR與雷達密切合作。這兩種技術在工作中不會產生可見光，這對于夜間駕駛或弱光條件至關重要。雷達適合遠距離檢測和跟蹤，LIDAR則提供更高的角分辨率，可以識別對象并對其進行分類。換句話說，雷達適合檢測對象是否存在，LIDAR則能夠在雷達檢測到對象的基礎上提供關于該對象的具體信息。

圖2．自動駕駛汽車的LIDAR感知。

設計LIDAR系統時會面臨一些技術挑戰，主要挑戰之一就是近紅外波長要保持在人眼安全限值之下。關于這些安全指南，請參考IEC 60825－1。這并不是要降低人眼安全的重要性，本文探討的所有方面最終都會影響人眼安全。目前存在多種不同的LIDAR系統技術，設計復雜程度各不相同，各有其優點和缺點。

重要的是，所有設計需要關注的基礎方面都相同。再此我們著重討論人眼安全以外影響系統設計的其他方面，包括：SNR最大化、最小可檢測要求、視場、散熱、功耗，以及航位推測。

查看接收鏈路，會發現系統的信噪比（SNR）會影響在遠距離（100米至300米）檢測小型目標的能力。ADC噪底不能超過接收路徑中的其他噪聲源。如果背景光或散粒噪聲貢獻因素低于ADC的噪底或印刷電路板（PCB）噪聲，系統精度就會受限。采用直接飛行時間（ToF）法要求系統可以輸出短脈沖（～1 ns至5 ns），且使用高采樣速率ADC檢測這些脈沖。采樣速率達到1 GSPS，即可滿足接收信號鏈路需求。此外，請注意，ADC的有效位數（ENOB）必須支持跨阻放大器（TIA）的整個輸出范圍，不能對信號實施削波。

系統需要檢測100米開外的籃球嗎？確定相關對象的反射率、尺寸和距離，會決定TIA的SNR需求。與ADC相同， TIA也需要檢測同樣的窄脈沖。因為系統需要處理的對象的距離、反射率和尺寸范圍甚廣，所以TIA必須能夠在飽和后中快速恢復。高反射（比如交通標志怕愛）或近距離目標能反射強光而造成TIA飽和，。這些都是常見事件，而系統恢復的速度（以盡量減少致盲時間）對于安全性至關重要。