激光雷達為什么會出現串擾的問題？

[首發于智駕最前沿微信公眾號]自動駕駛技術自提出以來，激光雷達就是非常重要的感知硬件，即便到現如今很多技術方案開始傾向于純視覺時，依舊有很多的車企堅定地選擇激光雷達。激光雷達常見的工作方式有脈沖型飛行時間（Time-of-Flight，TOF）和連續波調頻型（Frequency-Modulated Continuous Wave，FMCW）兩種。

圖片源自：網絡

脈沖型TOF激光雷達雷達的工作原理比較直觀，發射器每隔一段時間發出一個極窄的激光脈沖，遇到障礙物后反射回來，接收器記錄發射和接收之間的時間差，再乘以光速的一半，便可得到目標距離。這種方式實現相對簡單、測距直觀、脈沖能量集中，其缺點是對時間測量精度要求極高，且容易受到環境光或其他干擾脈沖的影響。目前常見的車規級TOF激光雷達多工作在890 nm～1550 nm波段，不同廠商在脈沖寬度、重復頻率和接收靈敏度等方面會有不同的取舍。

FMCW激光雷達則不依賴短脈沖測時，而是連續發射激光，并讓發射光的頻率隨時間線性掃描（即調頻）。接收到的回波會與本地參考光進行相干混頻，產生“拍頻”信號。拍頻的頻率反映了發射與接收之間的頻率差，從而可以推算出目標的距離和相對速度（多普勒信息）。由于FMCW激光雷達采用相干檢測，在接收微弱回波時具有增益優勢，并能同時獲取速度信息。因為只有與本地參考光相干的信號才能產生有效干涉，外來脈沖通常無法干擾檢測過程，因此，FMCW激光雷達對非相干的外部光源（包括其他車輛的激光信號）具有天然的抵抗能力。

串擾的產生原因

隨著搭載激光雷達的車輛越來越多，很容易出現一個問題，那便是“串擾”，所謂“串繞”，就是激光雷達會接收到別的激光雷達發射出的信號，導致感知判斷不準確。

圖片源自：網絡

TOF激光雷達發射的是短暫、重復的脈沖，這些脈沖在空間中互相穿越、反射和漫散射，有可能被其他車輛的接收器誤認為是自身的回波。之所以出現這個問題，是因為接收器無法自動區收到的信號是分自己發出的脈沖反射回來的信號還是別人發出的脈沖直接接收到的信號。如果接收端僅靠時間差或脈沖形狀來識別物體，會缺乏額外的鑒別機制，就極易將外來脈沖誤判為有效回波，從而引發測距錯誤、點云丟失或產生虛假點云等情況，也就是會出現所謂的“串擾”問題。

串擾在多車密集行駛時極易出現，尤其在夜間或視野開闊的長距離場景中會更加明顯；此外，若同一車輛上安裝的多個TOF單元之間沒有協調好，也會產生相互干擾的情況。舉個例子，如果A單元發出的激光經漫反射進入B單元的視場，或B的接收窗口在A發射后仍處于開啟狀態，串擾的情況就無法避免。相比之下，FMCW激光雷達憑借其相干檢測機制，對前一種情況具有天然的抑制能力，但并不能完全“免疫”，具體效果仍取決于實現方式和硬件設計。

TOF激光雷達常用的抗串擾方法

為了解決TOF激光雷達串擾的問題，有很多技術方案被提了出來，但核心思路都是讓每個發射脈沖“帶有標識”或“在時間上受控”，以便接收端能夠區分自身回波和外部干擾。

圖片源自：網絡

脈沖編碼（編碼發射）是常見的技術路線之一。它通過對每一束激光脈沖按照特定規則進行編碼，接收端再對接收到的信號進行解碼運算，只有與自身發射編碼匹配的信號才被認定為有效回波。編碼可采用偽隨機序列或時間/相位上的特殊碼型來實現。編碼的好處是理論上能大幅降低誤認概率，尤其是當路上有很多激光雷達時，互不相干的編碼能區分不同發射源。

但編碼也會對信噪比和測距能力產生影響，編碼和匹配濾波過程會將能量在時間上“展開”，恢復成原始回波需要做相關處理，這一方式在低反射率目標或遠距離場景下，就會犧牲一定的靈敏度或會影響最大測程。因此，在設計時需在編碼長度、碼速率、發射功率和探測器積分時間之間進行平衡。

時間復用與接收門控是另一種防“串擾”方案，這一方案就是將不同單元或不同車輛的發射時間錯開，或僅在預計回波到達的時間窗口內開啟接收器。對于同一車輛上的多個TOF單元，這種方法會非常有效，通過統一時鐘精確安排發射和接收窗口，可以大幅過濾掉相互之間的漫反射干擾。這一方案需依靠硬連線的同步時鐘、PPS（每秒脈沖）或專用的同步總線來實現，而不能僅靠單純的無線時間協商。門控方式其實也存在風險，如果目標距離超出預期或反射路徑異常，回波可能落在接收窗口之外，造成數據丟失；此外，若其他車輛恰好在自身接收窗口內發射，仍有可能產生干擾。

還有一種相對簡單的方法是采用隨機化的發射時序，或在幀結構中引入時間抖動。通過給固定重復頻率的脈沖加入隨機時間偏移，可以降低長期周期性重合的概率，將固定節奏的干擾轉化為隨機噪聲。這一方案的優點是實現簡便、兼容現有硬件；缺點是無法從根本上區分外來回波，僅能在概率上平均化沖突，對于高密度場景效果有限。

除了上面提及的方案，還可以從光學和硬件層面進行抑制。比如使用窄帶光學濾波器濾除環境背景光和非目標波段的光，但如果是同波段的其它雷達信號，這一方法也是無效的；還有就是通過光學方向性設計、物理遮擋或機械隔柵減少來自側向或反射路徑的干擾，但這可能限制探測視場。在軟件設計時，可以設置接收門限或多幀驗證機制（例如僅保留在多幀中穩定出現的點），從而在點云后處理階段剔除孤立的虛假點。

FMCW激光雷達的抗串擾優勢

由于FMCW激光雷達依賴相干檢測，接收端將回波與本地參考光混頻，只有頻率和相位相干的信號才能產生穩定的拍頻并被檢測。外來的非相干激光發射（尤其是短脈沖）是無法與本地參考光形成穩定干涉，因此不會被誤認為有效回波。正因如此，FMCW激光雷達在識別“自身回波”方面比TOF激光雷達更具先天辨別力。

FMCW激光雷達在抗串擾方面的確存在優勢，但為什么沒有成為主流？FMCW的實現需要高質量、線性可控的調頻光源和穩定的本地振蕩器，相干檢測也對相位和頻率噪聲敏感，因此，其硬件成本和復雜度會高于簡單的TOF系統。在極少數特殊情況（如兩個相干源同時存在，或外來連續波頻率軌跡巧合）下，FMCW激光雷達還是有可能會出現干擾。此外，FMCW的測距與測速信息是耦合的，處理算法和數字信號處理要求會更高。也就是說，FMCW激光雷達在密集場景下魯棒性更佳，但代價是更高的成本與算法復雜度，這對于想要大面積商用化落地的車企來說，是需要考量成本的。

軟件層面的補救與傳感器融合

無論是TOF還是FMCW，僅靠硬件難以覆蓋所有場景，軟件設計是不可或缺的補充。在軟件層面，可采用包括點云級的異常點檢測、時間一致性校驗、多幀累積判斷，以及與其他傳感器（如攝像頭、毫米波雷達、IMU/GNSS）進行融合等方式，以評估疑似虛假點的可信度。舉個例子，如果激光點云中出現孤立的“飛點”，在單幀中出現、缺乏速度場支持，且攝像頭也未捕捉到對應物體，則可以將其標記為低置信度信號，并予以忽略。通過多模態融合，可以進一步降低因串擾導致的誤檢風險。

圖片源自：網絡

此外，機器學習方法也被用于識別和濾除串擾產生的偽點。基于時空特征訓練的分類器可以學習串擾點的典型模式（如在時序上突發、在空間上孤立、反射強度不符合物理規律等），進而在運行時降低這些點的權重。這種方法需要足夠的訓練樣本以保證泛化能力，并需注意避免將罕見的真實小目標誤判為串擾。

最后的話

激光雷達串擾是隨著裝車密度增加而會日益顯著的問題。TOF激光雷達因其脈沖特性更容易受到串擾影響，而FMCW在原理上對外來脈沖干擾更具抵抗力，但實現也會復雜度高、成本更高。