3D激光雷达（LiDAR，Light Detection and Ranging）是一种通过发射激光束并接收其反射信号来精确测量目标物体距离、方位和三维空间坐标的主动遥感技术。其核心原理可分为以下步骤：

核心工作流程

1. 激光发射

   • 激光器（如半导体激光器）发射高频率、窄脉宽的近红外激光脉冲（如905nm、1550nm波长）。

2. 光束扫描（关键三维化步骤）
   激光束通过扫描系统投射到不同方向，形成对空间的覆盖。扫描方式包括：

   • 机械旋转式：电机驱动激光发射器360°旋转（常见于自动驾驶车辆顶部）。
   • MEMS微振镜：微机电系统控制反射镜角度，实现低功耗扫描。
   • 光学相控阵（OPA）：通过相位调制改变光束方向（无机械部件）。
   • 闪存式（Flash LiDAR）：一次性发射大范围激光覆盖视场角（无需扫描，但功率受限）。

3. 反射光接收

   • 目标物体反射的激光被光电探测器（如APD雪崩光电二极管）接收。
   • 精确记录激光发射与反射光到达的时间差（(\Delta t)）。

4. 距离计算
   根据光速（(c = 3 \times 10^8 \, \text{m/s})）计算距离：
   [ \text{距离} = \frac{c \times \Delta t}{2} ]
   （除以2是因为光往返目标一次）。

5. 三维坐标生成

   • 结合距离数据、扫描系统的水平方位角（Azimuth）和俯仰角（Elevation），计算出每个点的三维坐标（x, y, z）。
   • 公式转换：
     [ \begin{cases} x = \text{距离} \times \cos(\text{俯仰角}) \times \cos(\text{方位角}) \ y = \text{距离} \times \cos(\text{俯仰角}) \times \sin(\text{方位角}) \ z = \text{距离} \times \sin(\text{俯仰角}) \end{cases} ]

6. 点云构建

   • 每秒数百万个测量点形成密集的点云（Point Cloud），精准重建环境三维模型。

关键技术分类

1. 测距原理

   • 飞行时间法（ToF, Time-of-Flight）：99%商用激光雷达采用，通过时间差直接测距。
   • 调频连续波（FMCW）：通过激光频率调制和反射波干涉测量距离及速度（新兴技术，抗干扰强）。

2. 扫描方式对比	类型	原理	特点
   机械旋转式	电机旋转激光器	高精度、大视场角，成本高体积大
   MEMS	微振镜反射激光	体积小、成本低，抗震性弱
   OPA	相位控制光束偏转	无机械运动，但技术难度高
   Flash	一次性照亮整个场景	无扫描部件，适合短距离探测

核心优势

• 高精度：厘米级测距精度（如±2cm）。
• 强环境适应性：可在黑暗、雾霾中工作（穿透性优于摄像头）。
• 三维信息丰富：直接获取空间结构，无需后处理推理深度。
• 实时性：每秒可生成数十万至数百万点云数据。

典型应用场景

• 自动驾驶：特斯拉除外的主流车厂（如Waymo、小鹏）用于环境感知。
• 机器人导航：AGV、服务机器人避障与定位。
• 地形测绘：无人机LiDAR绘制高精度数字高程模型（DEM）。
• 智慧城市：建筑物与基础设施三维建模。
• 工业检测：工厂管道、设备形变监测。

技术挑战

• 成本：传统机械雷达价格高（数千美元），MEMS/固态方案加速降价。
• 极端天气影响：浓雨雾散射激光导致点云稀疏。
• 阳光干扰：强烈日光下1550nm波长表现优于905nm。
• 数据处理复杂性：海量点云需高效算法（如点网PointNet++分割目标）。

示例：Velodyne HDL-64E 激光雷达

• 64线激光器垂直排列，机械旋转扫描。
• 每秒220万点，探测距离120米，精度±2cm。
• 输出360°x26.8°的三维点云，曾是自动驾驶黄金标准。

总结：3D激光雷达本质是“激光测距+多维动态扫描”，通过精确的时间测量和角度控制构建三维空间模型。其技术正朝着固态化、芯片集成（如硅光技术）、FMCW等方向演进，以实现更小体积、更低成本和更强大的感知能力。