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探测目标距离、位置、形状等信息的主动遥感技术。其核心工作原理是飞行时间法（ToF，Time-of-Flight）。以下是详细的工作步骤：

1. 激光发射

• 光源：使用近红外或可见光波段的脉冲激光（常见波长：905nm, 1550nm等）。
• 扫描：通过旋转镜面（机械式）、MEMS微振镜（固态）、或光学相控阵（纯固态）等方式，控制激光束在水平及垂直方向快速扫描目标区域。

2. 反射与接收

• 目标反射：激光束照射到物体表面（如车辆、树木、地面）后发生反射。
• 信号接收：光学接收器（如APD光电二极管）捕获反射回的微弱激光信号。

3. 距离测量（飞行时间法）

• 计算原理：测量激光脉冲从发射到返回的时间差（Δt），结合光速（c ≈ 3×10⁸ m/s）计算距离（D）： [ D = \frac{c \times Δt}{2} ] （除以2是因激光往返双程）
• 精度：时间测量精度需达纳秒（10⁻⁹秒）级，对应厘米级测距精度。

4. 空间定位

结合自身位置与姿态信息（通过GPS/IMU等定位系统获取），LiDAR将每个测点转换为三维坐标（XYZ），生成点云（Point Cloud）：

• 水平角（由扫描角度编码器提供）
• 俯仰角（扫描方向决定）
• 距离（ToF计算得出）

5. 点云生成

将海量测量点（每秒可达数百万点）集合成密集的三维点云，直观呈现环境轮廓（如下图示意）：

● ● ● ● ● ● ●     点云示例：每个点代表一次距离测量
● ● ● ● ● ● ●         ●：地面点
● ● ● ● ● ● ●         ▲：车辆点
  ▲ ▲ ▲                ★：树木点
  ▲ ★ ▲
  ▲ ▲ ▲

点云通过空间位置与反射强度信息重建环境模型

6. 数据处理与应用

• 目标识别：点云分割+机器学习算法识别车辆、行人等。
• 高精度地图：用于自动驾驶高精定位。
• 三维建模：地形测绘、建筑BIM等。

核心优势

• 高分辨率：激光束发散角小（0.1°级），细节捕捉能力强。
• 抗干扰：主动发光，不受光照影响；波长特定，滤除环境光噪声。
• 直接测距：相比摄像头，无需复杂算法推算深度。

典型应用场景

总结：LiDAR如同一位“激光速绘师”，通过每秒百万级的激光脉冲扫描环境，结合精确计时与空间定位，将世界转化为精准的三维点云，为机器提供“厘米级”的环境感知能力。