激光雷达ToF测距原理与点云生成¶
难度：🟡 中级 | 领域：三维感知 | 关键词：dToF, iToF, 点云 | 阅读时间：约 17 分钟
日常类比¶
对着山谷喊一声，听回声估距离——飞行时间（Time of Flight, ToF）测距同理，只是换成激光脉冲与皮秒～纳秒计时。激光雷达（LiDAR）把许多次回波拼成点云；还要守眼安全等级，不能“喊”得太响[1][3]。
摘要¶
对比直接 ToF 与间接 ToF、机械/固态扫描、点云与雷达方程直觉，并列出 IoT/机器人选型注意。距离与线数以厂商手册为准[4][10]。
1. ToF 与扫描¶
| 类型 | 原理直觉 | 特点 |
|---|---|---|
| 直接 ToF（dToF） | 测脉冲往返时间 | 常配合 SPAD；远程有优势 |
| 间接 ToF（iToF） | 测调制相位 | 消费级深度相机常见；有模糊距离 |
| 扫描 | 说明 |
|---|---|
| 机械旋转 | 视场大，可靠性与成本权衡 |
| MEMS/棱镜 | 较小体积 |
| Flash | 一次照明成像，距离/阳光挑战大 |
眼安全：按 IEC 60825 分类与功率、波长、脉冲能量设计，消费产品常见近红外波段约束[3]。
2. 点云与系统¶
点云为 (x,y,z[,intensity]) 序列；格式如 PCD/LAS，机器人栈常用 ROS 点云类型。信噪比受目标反射率、太阳背景、光学孔径影响——黑车、雾天性能下降是物理限制而非“软件没调好”[1][4]。
| 应用 | 传感器倾向 |
|---|---|
| 扫地机器人避障 | 短距 ToF/单线 |
| 室外自动驾驶研究 | 多线/固态高规格 |
| 人流量/存在 | 低分辨率 ToF 即可 |
3. 局限、挑战与可改进方向¶
1. 阳光与干扰¶
局限：室外背景光淹没回波。 改进：窄带滤光、更高峰值功率（在眼安全内）、同步[4]。
2. 多径与透明/镜面¶
局限：玻璃、水面产生错误点。 改进：多回波处理；与相机/雷达融合[7]。
3. 成本与功耗¶
局限：多线机械雷达难进电池 IoT。 改进：单点/固态短距；事件触发扫描[10]。
4. 标定与时间同步¶
局限：与 IMU/相机外参漂移毁建图。 改进：联合标定；硬件时间戳[7]。
总结¶
LiDAR 的核心是 ToF 物理 + 眼安全 + 点云系统工程。IoT 选短距低功耗；长距高线数留给有供电与算力的平台，并计划与其他模态融合。
参考文献¶
[1] 激光雷达与 ToF 测距教材/综述章节. [2] SPAD 基 dToF 传感器综述（IEEE Sensors 等）. [3] IEC 60825-1, Safety of laser products. [4] 消费/工业 ToF 模组数据手册（多厂商）. [5] PointPillars 等点云检测论文（算法背景）. [6] KITTI 等评测集说明. [7] FAST-LIO2 等 LiDAR-惯性里程计论文. [8] Scan Context 等地点识别文献. [9] 多模态融合检测（TransFusion 等）论文. [10] Velodyne/Hesai/Ouster/Livox 等产品手册. [11] ROS 点云处理与 PCL 文档. [12] 雷达方程在光学遥感中的类比说明.