问@@：车载激光雷达@@系统@@的设计思路@@
设计一个@@TOF车载激光雷达@@系统@@，首先要确定@@系统需要探测的最小目标@@@@、该目标的反射率@@@@，以@@及该目标的距离@@@@，视场角@@。上述这些因素会定义系统的角分辨率@@。并在@@该基础上计算@@最小信噪比@@(SNR)，这也是后续软件判定检测对象真@@/假的重要检测标准@@。
检测距离@@@@
我们以@@自动驾驶@@汽车@@，防撞的应用来举例@@。最小目标@@：小轿车@@4.8m×1.8 m长@@。目标的反射率@@：取决于物体本身的性质@@（表面状况@@）。这里不详细讨论@@，假设@@目标可以@@很好的反射@@。
以@@汽车@@100公里@@/小时的速度来计算@@@@，不仅考虑以@@@@100 km/h速度行驶的车辆@@，还要考虑@@以@@相同速度反向行驶的另一辆车辆@@。因此@@，雷达系统需要能够检测到@@200公里@@/小时的物体@@，也就是每秒相对运动至少@@50m。
当然@@，还要考虑@@，如非线性速度@@、停车距离@@@@、规避动作等复杂情况@@。所以@@一般说来@@，高速应用需要激光雷达@@系统检测更远的距离@@@@。
视场角@@（FOV）
对于@@不同的应用@@，不同的环境@@，视场角@@的选择也不一样@@。
图@@ 1. 自动驾驶@@车辆和自动地面车辆的对象检测和防撞等应用@@ (图@@片@@来源于@@ADI)
如上图@@@@：对于@@自动驾驶@@车辆和自动地面车辆的对象检测和防撞等应用@@@@，可以@@使用@@16像素@@FOV。在@@大客车应用中@@，可以@@用@@4× 4网@@格矩阵@@，以@@检测系统周围的物体@@，作为@@车辆的安全器件@@。
从@@FOV到角度分辨率@@@@
确定@@FOV之后@@, 我们可以@@计算@@相应的分辨率@@。
FOV可以@@分为@@垂直@@FOV（VFOV）和水平@@FOV（HFOV）
当激光二极管阵列@@选定之后@@@@，比如下图@@@@，一行@@16个激光二极管组成一个阵列@@，每个像素@@尺寸@@2mm×0.8mm， 20mm焦距的镜头@@。
图@@ 2. 激光二极管阵列@@ (图@@片@@来源于@@ADI)
于是@@，可以@@利用三角函数可以@@计算@@每个像素@@对应的@@VFOV与@@HFOV
图@@ 3. VFOV 与@@ HFOV 计算@@ (图@@片@@来源于@@ADI)
因此@@，根据三角函数我们可以@@得出每个像素@@@@，VFOV=5.7°，HFOV=2.292°
有了@@VFOV/HFOV, 我们就可以@@得知在@@某一特定距离@@@@，实物尺寸与@@相素的关系@@。
角度分辨率@@
换一个场景@@，假设@@FOV=1°，即@@1°角度分辨率@@，在@@200 m距离@@时@@，一个像素@@点@@，对应于@@2×Tan（0.5°）×200m=3.5m长@@的物体@@。
即@@1°角分辨率会转换成每侧@@3.5米像素@@@@。
对于@@4.8m×1.8 m小轿车@@来说@@，很难检测@@。
相比@@FOV=0.1°，即@@0.1°角度分辨率@@，在@@200 m距离@@时@@，一个像素@@点@@，对应于@@2×Tan（0.05°）×200m = 0.35m长@@的物体@@。
对于@@一个@@4.8m×1.8 m长@@的小轿车@@@@，在@@200 m距离@@时@@，至少可以@@有@@5个像素@@宽度的成像@@。
精细的角度分辨率@@使车载雷达系统能够从@@单一对象接收多个像素@@的返回信号@@。因此@@，在@@这个系统下@@，甚至有可能区分汽车和摩托车@@。
距离@@精度与@@最小信噪比@@（SNR）
距离@@（或@@深度@@）、精度都与@@@@ADC采样速率相关@@。距离@@精度允许系统准确地知道一个物体有多远@@。对于@@移动的应用来说@@，非常重要@@。
假设@@ADC采样周期@@Δt 为@@1 ns采样时段@@, 我们可以@@计算@@距离@@@@
d=（c×Δt）/2 = 15cm
c是光速@@
即@@使用@@1 GSPS ADC的距离@@精度可达到@@15 cm。
当然@@可以@@采用更复杂的技术@@@@（例如过采样插值@@）来改善范围测量精度@@。
据估计@@，大约可以@@将范围测量精度提升@@SNR的平方根@@。匹配滤波器是用于处理数据的性能最高的算法之一@@，它可以@@在@@插入之后@@最大化@@SNR，以@@得出最高的范围测量精度@@。
激光雷达@@系统拓扑结构@@
以@@ADI的方案为@@例@@：
图@@ 4. ADI 激光雷达@@系统拓扑结构@@ (图@@片@@来源于@@ADI)
本文转载自@@： 得捷电子@@@@DigiKey微信公众号@@