激光雷达（LiDAR）通过发射激光束并接收其反射信号来探测和定位障碍物，其核心原理是 “时间飞行法”（Time of Flight, ToF） 结合空间扫描。以下是详细流程及关键技术：

一、工作流程

1. 激光发射
   雷达高速旋转发射红外激光脉冲（波长通常为905nm或1550nm），覆盖周围环境（如360°水平视场角）。

2. 反射接收
   激光遇到障碍物（车辆、行人、墙壁等）后反射，接收器记录反射光强度及返回时间。

3. 距离计算
   通过公式计算距离：
   距离 = (光速 × 飞行时间) / 2
   （除以2是因激光往返一次）

4. 数据融合
   结合雷达自身的 方位角 和 俯仰角 数据，将距离转换为三维坐标点：
   (x, y, z) = (距离 × cosθ × cosφ, 距离 × sinθ × cosφ, 距离 × sinφ)
   其中θ为方位角，φ为俯仰角。

二、障碍物定位关键技术

1. 点云生成
   每秒生成数十万个三维坐标点，形成环境点云图（Point Cloud），如64线雷达每秒产生200万+点。

2. 点云聚类
   使用算法分割点云，常见方法：

   • 欧氏聚类（DBSCAN）：将相邻点归为同一物体。
   • 区域生长算法：基于点密度合并区域。
     示例：相邻点间距<0.5米则视为同一物体。

3. 障碍物识别与追踪

   • 特征提取：分析点云形状（如车辆呈立方体，行人呈柱状）。
   • 卡尔曼滤波/Kalman Filter：预测运动轨迹，减小抖动。
   • 深度学习：3D CNN直接处理点云，识别车辆/行人等（如PointNet网络）。

4. 坐标转换
   将雷达坐标系数据转换到车辆/机器人全局坐标系（需结合IMU/GPS数据实现厘米级定位）。

三、性能影响因素

四、应用场景对比

五、与其他传感器对比

结论

激光雷达以高精度三维点云为核心，通过多层级算法实现障碍物定位，在自动驾驶等领域不可替代，但需融合其他传感器（摄像头、毫米波雷达）以弥补环境适应性短板。其技术演进方向包括固态雷达（降低成本） 和 FMCW调频连续波（提升测速精度）。

如果需要进一步了解具体算法（如LOAM建图流程）或硬件选型（线数选择逻辑），可随时补充提问！