激光雷达 (LiDAR) 的物理本质、技术路线演进与算法落地

在自动驾驶的感知层，存在着两条截然不同的信仰：

一派是特斯拉信奉的**"纯视觉派"，认为人只靠眼睛能开车，车也可以；
另一派是绝大多数车企（蔚小理、Waymo）信奉的 "融合感知派"，认为机器必须拥有超越人类的感知能力------这就是激光雷达 (LiDAR)** 的战场。

LiDAR 不仅赋予了机器"深度"感知的能力，更是一场关于光电物理、微纳制造与信号处理的综合技术革命。本文将剥开商业包装，直击其技术内核。

在讨论各种花哨的技术路线前，我们必须先理解制约 LiDAR 性能的物理铁律：激光雷达方程 (LiDAR Equation)。

接收端收到的光功率 PrP_rPr 可以表示为：

Pr=Pt⋅τ⋅ρ⋅Arπ⋅R2⋅ηsys⋅ηatmP_r = P_t \cdot \frac{\tau \cdot \rho \cdot A_r}{\pi \cdot R^2} \cdot \eta_{sys} \cdot \eta_{atm}Pr=Pt⋅π⋅R2τ⋅ρ⋅Ar⋅ηsys⋅ηatm

PtP_tPt：发射功率（激光器越强，看得越远）。
τ\tauτ：目标物体的透射率/反射特性。
ρ\rhoρ：目标反射率（黑车 ρ≈10%\rho \approx 10\%ρ≈10%，白墙 ρ≈80%\rho \approx 80\%ρ≈80%）。
ArA_rAr：接收孔径面积（接收透镜越大，收光越多）。
RRR：探测距离（信号随距离的平方衰减，这比毫米波雷达的四次方衰减要好）。
ηsys,ηatm\eta_{sys}, \eta_{atm}ηsys,ηatm：系统效率与大气传输效率（雨雾天 ηatm\eta_{atm}ηatm 下降，探测距离缩短）。

关键结论 ：要看清远处的黑车（低 ρ\rhoρ，大 RRR），你要么疯狂提高发射功率 PtP_tPt，要么把接收透镜 ArA_rAr 做大。但前者受限于人眼安全，后者受限于体积。这就是 LiDAR 设计的"戴着镣铐跳舞"。

激光器的光源波长选择，是 LiDAR 设计的第一道分水岭。

材料：铟镓砷 (InGaAs) 探测器。
优势：1550nm 光线被眼球中的水吸收，无法到达视网膜。因此，发射功率可以比 905nm 高 40 倍以上！ 轻松实现 500m+ 的探测距离，且穿透雨雾能力更强。
劣势：贵。InGaAs 晶圆昂贵，且光纤激光器体积较大。

发射脉冲 -> 计时 -> 接收脉冲。
R=cΔt2R = \frac{c \Delta t}{2}R=2cΔt

探测器进化 ：
- APD (雪崩二极管)：传统的感光元件，增益约 100 倍。
- SPAD (单光子雪崩二极管) / SiPM (硅光电倍增管) ：工作在盖革模式，能检测到单个光子。灵敏度极高，是实现纯固态 Flash LiDAR 的关键技术。

FMCW 发射的是频率随时间线性变化的"啁啾信号" (Chirp)。

多普勒效应 ：

反射回来的波，不仅有时间延迟（产生频率差 frf_rfr），还有因物体运动产生的多普勒频移 fdf_dfd。
- 上扫频段拍频：fup=∣fr−fd∣f_{up} = |f_r - f_d|fup=∣fr−fd∣
- 下扫频段拍频：fdown=∣fr+fd∣f_{down} = |f_r + f_d|fdown=∣fr+fd∣
- 解算：联立方程，同时算出距离 RRR 和速度 vvv。
核心优势：
1. 自带速度 (4D)：瞬间判断对方是静止还是冲过来，无需像 ToF 那样等下一帧做差分。
2. 抗干扰：只响应由于自己发射的频率产生的拍频信号，完全无视阳光和其他雷达的干扰。

如何把激光打向四面八方？

传统的机械雷达是重复扫描 ，每一帧扫的地方都一样。

大疆利用双棱镜（Risley Prisms）产生菊花状 (Rosette) 扫描轨迹。随着时间推移，扫描线会覆盖整个视场，时间越长，分辨率越高。这种方案极大降低了硬件成本。

雷达吐出来的是每秒几十万个 (x,y,z,reflectivity)(x, y, z, reflectivity)(x,y,z,reflectivity) 坐标点，如何让车看懂？

3D 目标检测 ：使用深度学习网络（如 PointPillars , VoxelNet）把点云划分成"体素" (Voxel)，框出车辆、行人、骑行者。
路面分割：区分哪里是路面，哪里是路沿 (Curb)。

LOAM / Lego-LOAM：经典的激光 SLAM 算法。通过提取点云中的"线特征"（电线杆、墙角）和"面特征"（地面、墙面），与上一帧进行匹配，算出车子走了多远，同时构建高精地图。

激光雷达的摩尔定律正在生效。

芯片化 (SiP)：把激光器、探测器、处理电路全部封装到一个芯片里，将是降低成本的唯一路径。
融合化 ：未来的传感器可能不再分"摄像头"和"雷达"，而是出现 RGB-D 传感器------既有摄像头的色彩分辨率，又有雷达的深度信息。
甚至消失？：如果纯视觉算法（Occupancy Network）进化得足够快，LiDAR 可能会像当年手机上的红外接口一样，完成历史使命后退场。但至少在未来 10 年，它仍是 L3+ 自动驾驶不可或缺的安全冗余。