大数跨境

一文读懂车载激光雷达:测距原理、全技术路线与行业演进全景

一文读懂车载激光雷达:测距原理、全技术路线与行业演进全景 AI探索Yao
2026-07-11
8
导读:前言随着高阶智驾快速普及,激光雷达已经从测试车专属设备,成为10万级家用车的标配传感器。

前言

随着高阶智驾快速普及,激光雷达已经从测试车专属设备,成为10万级家用车的标配传感器。很多人听过机械式、半固态、纯固态,也分不清ToF、FMCW两种测距逻辑,市面上各类路线名词杂乱,本文从底层原理、硬件扫描结构、路线优劣、量产现状、未来趋势五个维度完整梳理,一次性讲透激光雷达完整技术体系。

一、激光雷达基础定义与核心工作逻辑

LiDAR全称激光探测与测距(Light Detection And Ranging),属于主动光学传感器,原理类似蝙蝠回声定位,以激光为介质测量环境三维空间信息。
完整工作流程分为四步:

  1. 发射单元向外发射激光光束;

  2. 激光碰撞车辆、行人、路牌、护栏等物体后产生反射;

  3. 接收单元捕捉回波信号,同步记录光束发射角度

  4. 芯片通过测距算法计算目标距离,结合角度生成带X/Y/Z坐标、反射率的三维点云。

核心优势对比摄像头、毫米波雷达:

  • 摄像头:二维成像,依赖光照,需要算法估算深度,暗光、逆光易失效;

  • 毫米波雷达:测速稳定,但空间分辨率低,无法识别障碍物轮廓;

  • 激光雷达:直接物理测距,厘米级精度,昼夜稳定输出三维轮廓,是高阶智驾感知核心补充。

1.1 整机四大核心硬件模块

  1. 发射系统:激光器、发射光学透镜,主流波长分为905nm、1550nm;

    • 905nm:硅基器件,成本更低,人眼安全功率上限低,常规探测150-200米;

    • 1550nm:光纤激光,安全功率更高,最远探测300米以上,高速场景优势明显,接收芯片成本更高。

  2. 扫描系统:决定光束覆盖范围,也是区分机械/半固态/固态雷达的核心部件;

  3. 接收系统:APD、SPAD、SiPM光电探测器,捕捉微弱反射激光;

  4. 信号处理单元:TDC计时芯片、FPGA点云处理器,完成测距运算与数据输出。

二、两大底层测距原理:ToF与FMCW(所有雷达的底层根基)

所有激光雷达无论扫描结构如何,测距方式只有两大技术分支,也是区分产品代际的关键。

2.1 ToF 飞行时间法(当前量产绝对主流)

全称Time-of-Flight,依靠激光往返时间差计算距离,公式:距离d = 光速c × 往返时间Δt ÷ 2
细分两类:

  1. dToF 直接飞行时间
     发射纳秒级窄激光脉冲,TDC芯片直接记录脉冲发射与回波到达的时间。
     优点:技术成熟、成本可控、远距离探测稳定,市面半固态、机械式雷达全部采用该方案;
     缺点:容易受阳光、其他车辆激光雷达串扰,单次测量仅能获取距离,无法直接测目标速度。


  2. iToF 间接飞行时间
     发射连续调制光波,通过发射光与反射光的相位差换算距离,多用于短距Flash固态补盲雷达。
     短板:多路径反射干扰严重,远距离精度衰减明显,极少用于前向主雷达。


2.2 FMCW 调频连续波(下一代主流技术方向)

发射频率持续线性变化的连续激光,将反射光与本地参考光做光学干涉,通过频率差同时算出距离+目标径向速度,自带多普勒测速能力。
优势:

  1. 天然抗阳光、抗其他激光雷达干扰,信噪比极高;

  2. 一次测量同步获取距离、速度四维感知数据,适配高速、复杂城区路况;
    短板:需要窄线宽激光器、高精度平衡探测器,硬件成本、研发门槛更高,目前仅有少量车企试点量产。

三、按扫描结构划分:机械式→半固态→全固态完整路线对比

行业最通用分类标准,核心差异是内部是否存在大范围机械运动部件,直接决定体积、寿命、车规适配能力、量产成本。

3.1 机械式激光雷达(初代方案,测试车专用)

原理

电机带动整套发射、接收模组整体360°旋转,实现水平全景扫描,垂直依靠多层收发通道实现多线束覆盖(16/32/64/128线)。

代表产品与企业

Velodyne HDL系列、早期自动驾驶测绘设备,Waymo初代Robotaxi标配。

优缺点

优点:360°无死角视野、点云均匀、探测距离远、技术成熟;
缺点:体积巨大、精密旋转轴承易磨损,车载震动环境寿命短,装配调试复杂,单台成本数万,无法满足乘用车8年车规寿命要求。

现状

乘用车前装市场已基本淘汰,仅用于Robotaxi、高精度地图测绘、矿区特种车辆。

3.2 半固态(混合固态)激光雷达(当前乘用车量产主流)

核心设计:收发模组固定不动,仅依靠小型光学部件微动偏转激光束,大幅减少运动机构,平衡性能、体积、成本、可靠性,国内装车占比超90%。细分三大子路线:

  1. 转镜式方案
     原理:单块大尺寸反射镜小幅往复旋转,偏转激光完成前向视场扫描;
     代表:禾赛AT系列;
     优势:垂直线束多、点云稠密、远距离探测稳定,高速场景适配强。

  2. MEMS微振镜方案
     原理:硅基微米级微型镜面高频震动,二维偏转光束;
     代表:速腾聚创、华为905nm雷达;
     优势:微型运动部件,整机体积最小,易于隐藏于车灯、格栅,量产降本空间大;
     短板:振镜工艺良率约束,大视场下点云均匀度略低于转镜。

  3. 双棱镜(光楔)方案
     原理:两组旋转棱镜折射激光实现扫描,少量收发通道即可等效高线束效果;
     代表:大疆览沃Livox;
     优势:硬件通道数量少,成本优势明显;
     短板:点云存在非线性分布,边缘视场密度下降。

半固态通用特点

  • 视场多为前向120°左右,无法360°全景,整车需要多颗雷达搭配补盲;

  • 运动部件极少,抗震、温度适应性达标车规,平均无故障时长满足8年乘用车标准;

  • 价格下探至千元级别,10万-30万家用车大规模搭载。

3.3 全固态激光雷达(未来终极路线,分两条技术分支)

完全取消任何机械运动部件,纯电子调控光束,理论寿命最长、体积最小,目前处于小规模试点阶段。

  1. Flash泛光面阵雷达
     原理:一次性发射整片激光覆盖全部视场,类似相机快门,SPAD面阵芯片同步接收所有反射光,瞬间生成深度图像。
     优势:无任何运动结构、响应速度极快、成本极低,适合车身四周短距补盲;
     短板:单次激光能量分散,有效探测距离仅30-50米,无法作为车前主雷达。

  2. OPA光学相控阵雷达
     原理:通过芯片阵列调控各路激光相位差,电子束控扫描,类似5G毫米波波束赋形,无任何机械结构。
     优势:芯片级集成,体积可做到摄像头大小,视场可软件动态调节;
     短板:工艺难度极高,存在旁瓣光斑干扰、温度漂移问题,全球暂无大规模量产乘用车方案,属于中长期技术路线。

四、波长、线束、FOV:看懂激光雷达关键参数

  1. 线束:早期机械式分16/32/64/128线;半固态不再硬性分线束,以等效点云密度衡量,高线束对应垂直障碍物识别能力更强;

  2. 视场FOV:水平视场决定横向覆盖宽度,垂直视场影响上下坡道、低矮障碍物识别;

  3. 测距指标:行业标准为对10%低反射率黑色车辆的最远探测距离,高速车型普遍要求≥200米;

  4. 车规等级:工作温度-40℃~85℃、抗振动、防水防尘、8年使用寿命,是区分车载与工业雷达的核心门槛。

五、车载市场落地现状:国内厂商主导格局

2025年国内车载激光雷达装车量突破330万台,国内企业占据全球乘用车市场90%以上份额:

  1. 禾赛科技:转镜式ToF方案,高端车型配套量领先;

  2. 华为:MEMS 905nm雷达+自研FMCW研发双线布局;

  3. 速腾聚创:MEMS路线,覆盖10-20万主流家用车型;

  4. 大疆览沃:双棱镜方案,小鹏等品牌配套;

  5. 图达通:1550nm远距离光纤激光雷达,主打高端车型高速感知。

路线落地节奏总结:
短期(1-3年):半固态ToF持续作为乘用车主力;
中期(3-5年):FMCW半固态逐步渗透高端车型;
长期(5年以上):Flash补盲雷达全覆盖,OPA全固态成熟后逐步替代前向主雷达。

六、激光雷达与整车感知系统搭配逻辑

量产车型常规两套搭配方案:

  1. 单颗前向半固态主雷达:布置于车顶、中网,负责150-300米远距离高速感知,车身四角搭配Flash固态雷达做30米内近距离补盲;

  2. 多雷达分布式方案:前后左右四颗半固态,实现整车全方位中远距离三维感知,适配无图L3城区自动驾驶。

同时激光雷达与摄像头、毫米波雷达做多传感器融合:激光负责三维轮廓测距,摄像头识别红绿灯、车道线、交通标识,毫米波雷达稳定测速,三者互补消除单一传感器缺陷。

七、全文总结

  1. 底层测距分两大路线:ToF成熟量产、FMCW是下一代技术方向;

  2. 扫描结构三代演进:机械式(淘汰)→半固态(当下主流)→全固态(未来);

  3. 半固态细分转镜、MEMS、棱镜三类,分别适配不同车型成本与性能需求;

  4. 全固态分为Flash补盲、OPA主雷达两条路线,目前均未大规模前装;

  5. 行业趋势:芯片化、1550nm远距离、FMCW测速一体化、无机械固态化是长期发展方向。


免责声明
本文仅基于公开发布会、行业资料做技术科普,内容为个人学习整理解读,不代表任何车企、雷达厂家官方完整技术方案,仅供交流参考。如有表述偏差,可联系作者修正或删除。


【声明】内容源于网络
0
0
AI探索Yao
AI探索类的研究、实践、应用和产品类介绍与分享。
内容 10
粉丝 0
AI探索Yao AI探索类的研究、实践、应用和产品类介绍与分享。
总阅读104
粉丝0
内容10