ROS2的40篇终于完结了。从这一篇开始我们进入传感器与数据处理的阶段。为什么先聊激光雷达因为它是机器人感知系统的核心传感器。不管是做SLAM、导航还是避障激光雷达几乎是标配。面试中考激光雷达的概率仅次于考ROS2本身。之前面一家做服务机器人的公司面试官问了一个看似简单的问题激光雷达是怎么测距的我说用飞行时间。他追问只有飞行时间这一种方案吗我愣了一下。后来才知道激光雷达的测距方案至少有三种各有各的适用场景。今天就把这三种方案掰开了讲清楚。ToF飞行时间法ToFTime of Flight是最直觉的测距思路。激光发射器发一个脉冲打到物体上反射回来接收器收到回波。测量发射和接收之间的时间差t光速c是已知的距离d c × t / 2。原理简单到小学生都能理解。但工程实现上有很多细节。首先是时间测量精度。光速是3×10^8 m/s要测1厘米的精度时间测量需要精确到大约67皮秒1皮秒 10^-12秒。这对计时电路的要求非常高。常见的方案是用TDCTime-to-Digital Converter芯片分辨率可以做到几十皮秒。其次是信号处理。回波信号很弱尤其是远距离或者反射率低的物体。需要用APD雪崩光电二极管或者SPAD单光子雪崩二极管来做高灵敏度探测。SPAD甚至能检测到单个光子但噪声也大需要多次测量取平均。ToF法的优势是测程远主流产品可以做到100-200米高端的能到300米以上。所以车载激光雷达基本都用ToF。Velodyne的VLP-128、禾赛的AT128、速腾的M1都是ToF方案。劣势是近距离精度相对差。因为近距离回波太强容易饱和而且时间分辨率的限制在短距离上更明显。另外ToF的成本比较高尤其是高线数的机械旋转式雷达一颗要几万甚至十几万。还有一点很多人忽略ToF激光雷达的多回波能力。一束激光打出去可能先打到树叶边缘反射回来一部分第一回波再打到树干反射回来第二回波甚至穿透草丛打到地面最后一回波。高端ToF雷达可以记录多个回波这在植被穿透、多目标识别场景下非常有用。比如做农业机器人的团队需要激光雷达穿透玉米叶子检测到茎秆的位置多回波能力就是刚需。面试时候如果你能提到多回波面试官会觉得你不只是看了个原理科普而是真正研究过激光雷达的数据手册。三角测距法三角测距的思路完全不同。激光发射器和接收器不在同一个位置两者之间有一个基线距离B。激光打到一个点上反射光被接收器上的感光元件通常是CMOS或PSD接收到。根据光斑在感光元件上的位置用三角几何关系算出距离。画个图就很清楚发射器、接收点、光斑位置构成一个三角形。已知基线B和接收角度就能算出距离。距离越远光斑移动越小分辨率越低。三角测距法的特点是近距离精度非常高可以达到亚毫米级。但测程短通常只有几厘米到几米。Sharp的GP2Y0A21红外测距传感器就是三角法测程80cm到1.5m很便宜几十块钱一个。在机器人领域三角测距法常用于近距离避障和精确测距。比如机械臂抓取前的最后一段距离确认、机器人底盘的近距离防撞。劣势很明显——测程太短。而且精度受物体表面材质影响大黑色物体或者镜面反射的物体会让测量失效。补充一个实际案例我之前见过一个团队做物流分拣机器人机械臂末端用了一个三角法激光传感器做最后的距离确认精度要求0.5毫米。他们踩过的坑是——不同颜色的包裹反射率差异很大黑色包裹的反射信号弱到几乎测不到。最后解决方案是在机械臂末端加了一个漫反射补光灯让所有包裹表面都有一层均匀的散射光。这种工程细节课本上不会讲但面试时候说出来特别有说服力。相位法相位法是ToF的一种变体但实现方式完全不同。它不直接测量飞行时间而是发射经过调制的连续激光通常是正弦波调制然后测量发射信号和接收信号之间的相位差。调制频率f已知相位差Δφ测量出来以后距离d c × Δφ / (4π × f)。为什么要有相位法因为直接测飞行时间需要极高速的计时电路而测相位差可以用相对低速的电路实现。同样的距离精度相位法的硬件成本更低。但相位法有一个固有问题相位差是周期性的超过2π就模糊了。所以最大不模糊测程和调制频率成反比。要提高测程就得降低调制频率但降低频率又会降低精度。这是一个根本性的矛盾。实际产品中通常用多个调制频率来解决模糊问题——高频保证精度低频保证测程两者结合。相位法的代表产品是固态激光雷达比如Leddar的LeddarVu、华为的激光雷达用在智界S7上。这类雷达没有机械运动部件体积小、成本低、寿命长适合消费级产品。相位法还有一个工程上的优势抗环境光干扰能力强。因为是调制光接收端可以用带通滤波器只接收调制频率附近的信号太阳光、灯光这些环境光就被滤掉了。ToF方案虽然也有滤波但相位法的信噪比通常更好。不过相位法的劣势也不能回避多径干扰。如果一束激光同时经过两条路径反射回来比如先打到墙角再反射到地面两个回波的相位会叠加导致测距错误。这在室内走廊、角落这种场景下特别容易出现。解决方案是信号处理层面做多径检测或者从光学设计上减小视场角。三种方案对比面试时候如果被问到这三种方案怎么选你可以这么回答远距离50米以上、高精度需求——ToF。车载激光雷达、户外SLAM场景。缺点是贵。近距离几米以内、超高精度需求——三角法。工业检测、机械臂末端、精密测量。缺点是测程短。中距离几米到几十米、成本敏感——相位法。室内服务机器人、消费级避障、智能家居。缺点是存在测程-精度的权衡。不过实际产品中方案选择没那么纯粹。很多激光雷达会混合使用多种技术。比如Velodyne的机械旋转雷达用ToF测距但内部的光学扫描系统本身也有三角关系的考量。固态雷达里也有把ToF和相位法结合的。激光雷达的关键参数面试时候除了测距原理面试官还经常问激光雷达的关键参数。这几个你必须搞懂测距范围最小和最大可测距离。不同场景需求差异很大——室内服务机器人5-10米就够了自动驾驶需要200米以上。测距精度测量值和真实值的偏差。通常用厘米或毫米表示。精度和测程往往是矛盾的——测得越远精度越难保证。角分辨率两个相邻激光点之间的角度间隔。机械旋转雷达的水平分辨率取决于转速和采样频率垂直分辨率取决于激光线数。比如16线雷达的垂直FOV如果是30度垂直分辨率就是2度。扫描频率每秒转几圈。10Hz意味着每秒转10圈每圈生成一帧点云。频率越高点云越密但数据量也越大。点频每秒发射多少个激光点。这是衡量雷达数据能力的核心指标。16线雷达10Hz每线1000个点/秒总点频就是16万点/秒。128线雷达可以到几百万点/秒。反射率范围能检测的物体反射率范围。黑色物体反射率低可能只有5%白色物体反射率高90%以上。雷达能不能检测到黑色物体取决于接收灵敏度。面试中怎么聊面试官问激光雷达测距你可以从原理讲起然后对比三种方案的优缺点最后结合你做过的场景说选型理由。比如我之前做室内SLAM用的是一款2D激光雷达测距方案是相位法最大测程12米精度±2厘米。选相位法是因为室内场景不需要太远测程但需要较高的角度分辨率相位法的固态方案可以做到每秒几千个测距点。如果是户外场景我会选ToF方案测程和抗阳光干扰能力都更强。这种回答既展示了原理理解又体现了工程选型能力面试官会比较满意。下一篇我们聊2D激光雷达的数据处理——扫描数据怎么解析、怎么提取有用信息、在机器人里怎么用。这是SLAM和导航的基础中的基础。如果这篇文章对你有帮助欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。「机器人软件开发面试·从入门到精通」连载系列上一篇第145篇 ROS2生态与社区——如何参与贡献和获取资源下一篇预告第147篇 2D激光雷达数据处理——扫描数据解析和基本应用有任何问题欢迎评论区留言我会尽量回复。