成功的自动驾驶汽车将使用紧密集成的传感器系统来匹配甚至超越人类的驾驶能力。人类驾驶员通常使用他们的眼睛、耳朵和来自车辆运动的反馈来驾驶汽车。我们的大脑实时处理所有这些信息，从人类大脑的驾驶体验数据库中直观地做出反应。复制人类驾驶能力所需的传感器包括雷达、激光雷达 (LIDAR)、摄像头、惯性测量单元 (IMU) 和超声波传感器。每个系统都有其优点和缺点。单个传感器的准确性和性能不足以取代所有其他传感器相互补充的多传感器融合。本文将描述与 LIDAR 相关的主要设计考虑因素，
图 1. 比较视觉、雷达和激光雷达的蛛网图。
内容
在自动驾驶汽车中自动驾驶仪设计，激光雷达与雷达密切合作。这两种技术在没有可见光的情况下工作，这对于夜间驾驶或弱光条件至关重要。雷达适用于远距离检测和跟踪，而激光雷达则提供更高的角分辨率来识别和分类物体。换句话说，雷达擅长检测物体的存在，而激光雷达能够根据雷达检测到的内容提供有关物体的特定信息。
图 2. 自动驾驶汽车的激光雷达感知。
设计 LIDAR 系统存在多项技术挑战，其中一项主要挑战是将近红外波长保持在人眼安全极限以下。有关这些安全准则，请参阅 -1。这并不是要贬低眼睛安全的重要性，本文讨论的所有方面最终都会影响眼睛安全。目前存在多种不同的 LIDAR 系统技术，每种技术的设计复杂程度各不相同，并且各有优缺点。
重要的是，所有设计需要关注的基本方面都是相同的。在这里，我们重点关注影响系统设计的人眼安全以外的其他方面，包括：SNR 最大化、最低可检测要求、视野、散热、功耗和航位推算。
查看接收链，可以看出系统的信噪比 (SNR) 会影响远距离（100m 至 300m）检测小目标的能力。ADC 本底噪声不能超过接收路径中的其他噪声源。如果背景光或散粒噪声贡献低于 ADC 的本底噪声或印刷电路板 (PCB) 噪声，系统精度将受到限制。使用直接飞行时间 (ToF) 方法需要一个能够输出短脉冲（~1ns 至 5ns）并使用高采样率 ADC 检测这些脉冲的系统。采样率达到1GSPS，可以满足接收信号链路的要求。另请注意，ADC 的有效位数 (ENOB) 必须支持跨阻放大器 (TIA) 的整个输出范围，而不会削波信号。
系统是否需要检测 100 米距离内的篮球？确定感兴趣对象的反射率、大小和距离将决定 TIA 的 SNR 要求。与 ADC 一样，TIA 也需要检测相同的窄脉冲。由于系统需要处理各种距离、反射率和物体大小，TIA 必须能够在饱和后快速恢复。高反光（如交通标志）或近距离物体会反射强光并导致 TIA 饱和。这些都是常见的情况，系统恢复的速度（以最大限度地减少致盲时间）对安全至关重要。
图 3. 激光雷达电气架构。
系统的视野和角度分辨率也会影响检测篮球的能力。传输和接收光学器件是决定视场的主要因素。角度分辨率决定了您是可以检测和分类远处篮球大小的物体，还是只能检测物体的存在。
处理这些系统的功耗和散热对于激光雷达系统设计人员来说是一个不小的挑战。当然，降低信号链中的功耗会相应减少发热量。元器件的性能随温度变化很大，一些比较敏感的元器件可能需要温度补偿。使用热电控制器是一种高精度冷却或加热 IC 的好方法。如果追求精度，发光二极管和光敏二极管都需要温度补偿，以在 LIDAR 系统的工作温度范围内保持稳定的工作波长和效率。
在某些情况下，雪崩光电二极管和激光器会偏置到数百伏（正或负）。有效地产生这些电压，同时使用尽可能少的组件，是最佳设计实践。为了提供准确的电压基准，需要一个精密数模转换器 (DAC) 来生成偏置点、电流和电压。沿着传统的 1.8V 至 12V 电压域，LIDAR 系统增加了电压要求。仔细选择电源解决方案可以解决这个问题自动驾驶仪设计，尤其是在向解决方案添加额外电压的情况下。选择具有关断或低功耗模式的 IC 和电源也很重要，这样系统才能灵活高效地轮询多个通道。
带有集成激光雷达传感器的 IMU 具有多种优势。IMU 传感器智能融合多轴陀螺仪和加速度计，为振动隔离和导航应用提供可靠的位置和运动识别。精密微机电系统 (MEMS) IMU 即使在面对极端运动动力学的复杂操作环境中也能提供所需的精度。
IMU 为自动驾驶系统提供航位推算、定位和稳定功能。反过来，当 ADAS 或 GPS 性能下降或不可用时，这些功能可为系统提供可靠的数据。IMU 可以有效地利用高更新率（每秒数千个样本）并且不受外部环境变化的影响。IMU 越稳定，它能为系统提供关键和可靠的轨迹信息的时间就越长。
IMU 可以直接集成到 LIDAR 模块中，以检测、分析和校正车辆运行环境中常见的振动。例如，IMU 输出可以帮助拼接 LIDAR 点云，否则这些点云会被驶过坑洼的车辆扭曲。此外，IMU 可用于检测旋转 LIDAR 系统中的轴承磨损，以便在 LIDAR 实际发生故障之前对其进行修复，从而提高安全性。
综上所述
在初始产品定义期间，需要考虑 LIDAR 系统的复杂性以确定可接受的 SNR、检测要求、视野、热约束和功耗。了解哪些组件是每个问题的主要成因，并仔细选择 IC，可以大大增加设计成功的机会。
