
1) 【一句话结论】激光雷达通过发射系统准直激光、接收系统捕获回波并计算距离,结合角度信息生成点云;优化点云分辨率需从发射功率、接收灵敏度、扫描精度及信号处理算法等多维度提升。
2) 【原理/概念讲解】
激光雷达的光学系统核心是“发射-接收”双通道,配合点云处理算法,具体工作原理如下:
类比:发射系统像“精准射箭”,将激光射向目标;接收系统像“接箭”,收集箭的回弹信号;点云处理像“整理箭的落点”,根据箭的飞行时间和方向,还原箭的落点位置。
3) 【对比与适用场景】
不同激光雷达类型的光学系统设计差异显著,影响性能与应用场景:
| 类型 | 定义 | 光学系统特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 机械扫描激光雷达 | 通过旋转镜(摆镜、转镜)或扫描机构改变激光束方向 | 透镜准直发射,透镜聚焦接收,机械结构实现角度扫描 | 工业检测(3D建模)、早期自动驾驶(如LIDAR1系列) | 体积大,扫描速度受限于机械转速,分辨率可通过提高脉冲重复频率(PRF)或减小镜片尺寸优化 |
| 相控阵激光雷达 | 通过阵列中多个光敏/发射单元的相位控制实现波束电子扫描 | 无机械结构,阵列单元(微透镜、波导)实现波束偏转,接收端为阵列探测器 | 高速自动驾驶(Waymo、特斯拉FSD)、无人机避障 | 体积小,响应快,可同时发射多束激光(提高点云密度),但需高精度驱动电路,成本较高 |
4) 【示例】(伪代码):
# 激光雷达点云生成伪代码
def generate_point_cloud(pulses, angles, c=3e8):
point_cloud = []
for i in range(len(pulses)):
t = pulses[i] # 脉冲时间
distance = c * t / 2 # 距离
theta = angles[i][0] # 水平角
phi = angles[i][1] # 俯仰角
x = distance * np.cos(theta) * np.cos(phi)
y = distance * np.sin(theta)
z = distance * np.sin(phi)
point_cloud.append((x, y, z))
return point_cloud
(注:实际中,角度由扫描机构或相控阵的单元位置计算,距离通过时间差测量)
5) 【面试口播版答案】
“激光雷达的光学系统主要分为发射、接收和点云处理三部分。发射系统用激光器(如905nm半导体激光器)发射准直激光,通过透镜将发散光束集中,提高方向性;接收系统用透镜聚焦回波光到光敏元件(如APD),滤除杂散光后放大信号;点云处理通过测量激光发射与接收的时间差计算距离,结合扫描角度得到三维坐标,生成点云。优化点云分辨率可以从几个方面入手:比如提高发射激光的功率,让回波信号更强,减少噪声影响;提升接收系统的灵敏度,比如用高增益APD或高分辨率CMOS,增强弱信号检测能力;优化扫描精度,比如机械扫描用更小的镜片或更高的转速,相控阵通过提高相位控制精度实现更细的波束偏转;最后,在信号处理端,采用更先进的滤波算法(如去噪、多径抑制),减少点云中的伪点,提升有效点密度。”
6) 【追问清单】
7) 【常见坑/雷区】