激光雷达作为众多智能设备的核心传感器，其应用于早已十分普遍。如今我们需要在无人驾驶小车、服务机器人、AGV叉车、智能路政交通以及自动化生产线上屡屡看见激光雷达的身影，也不足以解释它在人工智能产业链上不可或缺的地位。就目前市面上的主流激光雷达产品而言，用作环境观测和地图建构的雷达，按技术路线大体可以分成两类，一类是TOF（TimeofFlight，时间飞行中法）雷达，另一类是三角测距法雷达。这两个名词坚信很多人并不陌生，但是要说这两种方案从原理、性能到成本、应用于上究竟孰优孰劣，以及背后的原因是什么，或许每个人都还某种程度有所困惑。

今天小编就抛砖引玉，就这些问题做到一次解析。一、原理三角法的原理如下图右图，激光器升空激光，在照射物体后，反射光由线性CCD接管，由于激光器和探测器间隔了一段距离，所以依照光学路径，有所不同距离的物体将不会光学在CCD上有所不同的方位。按照三角公式展开计算出来，就能推论出有被测物体的距离。光看原理，是不是实在一挺非常简单。

图1、三角法测距原理然而TOF的原理更为非常简单。如图2右图，激光器升空一个激光脉冲，并由计时器记录下出射的时间，修得光经接收器接管，并由计时器记录下修得的时间。

两个时间相加即获得了光的“飞行中时间”，而光速是一定的，因此在未知速度和时间后很更容易就可以计算出来出有距离。图2、TOF测距原理惜的是，要是所有事情做到一起都如同想要一起一样非常简单，那世界就过于幸福了。这两种方案在明确构建时都会有各自的挑战，但是比起一起，TOF要攻下的考验似乎要非常少。

TOF雷达的构建难题主要在于：1．首先是计时问题。在TOF方案中，距离测量依赖时间的测量。但是光速太快了，因此要取得准确的距离，对计时系统的拒绝也就显得很高。一个数据是，激光雷达要测量1cm的距离，对应的时间跨度大约为65ps。

略为熟知电气特性的同学应当就告诉这背后对电路系统意味著什么。2．其次是脉冲信号的处置。这里面又分两个部分：a）一个是激光的：三角雷达里对激光器驱动完全没什么拒绝，因为测量倚赖的激光脉冲的方位，所以只必须一个倒数光出射就可以了。但是TOF却敢，不光要脉冲激光，而且质量还无法太差，目前TOF雷达的出射光脉长都在几纳秒左右，下降沿堪称拒绝越快越好，因此每家产品的激光驱动方案也是有强弱之分的。

b）另一个是接收器的。一般来说脉冲时刻辨别只不过是对下降沿的时间辨别，因此在对脉冲信号处理时，必需确保信号尽可能不要杂讯。另外，即便信号没杂讯，由于脉冲信号不有可能是一个理想的方波，因此在同一距离下对有所不同物体的测量也不会造成前沿的变动。

比如对同一方位的白纸和黑纸的测量，有可能获得如下图的两个脉冲信号，而时间测量系统必需测得这两个前沿是同一时刻的（因为距离是同一距离），这就必须尤其的处置。图3、有所不同反射率的脉冲信号差异除此以外，接收端还面对着信号饱和状态、底噪处置等等问题，可以说道困难重重。二、性能PK，知其然可知其所以然？说道了这么多，只不过从下游用户的角度，并不关心你构建一起非常简单还是无以。

用户最关心的不外乎两点：性能和价格。再行说道性能，如果理解这个行业的人大多告诉，TOF雷达从性能上是高于三角雷达的。但是明确反映在哪些方面，背后的原因又是什么呢？1．测量距离从原理上来说，TOF雷达可以测量的距离更加近。实质上，在一些拒绝测量距离的场合，比如无人驾驶汽车应用于，完全都是TOF雷达。

三角雷达测不远处，主要有几个方面的原因：一是原理上的容许，只不过仔细观察图1难于找到，三角雷达测量的物体距离越大，在CCD上的方位差异就就越小，实在太在多达某个距离后，CCD完全无法辨别。二是三角雷达没有办法像TOF雷达那样取得较高的信噪比。TOF使用脉冲激光取样，并且还能严格控制视场以增加环境光的影响。

这些都是长距离测量的前提条件。当然，距离长短并不代表意味著的优劣，这各不相同明确的用于场景。2．比特率激光雷达刻画环境时，输入的是点云图像。每秒需要已完成的点云测量次数，就是比特率。

在扭矩一定的情况下，比特率要求了每一帧图像的点云数目以及点云的角分辨率。角分辨率越高，点云数量就越多，则图像对周围环境的刻画就就越精细。就市面上的产品而言，三角法雷达的比特率一般都在20k以下，TOF雷达则能做更高（例如星秒的TOF雷达PAVO最低可以超过100k的比特率）。

毕竟，TOF已完成一次测量只必须一个光脉冲，动态时间分析也能迅速号召。但是三角雷达必须的运算过程耗时则更长。

本文来源：开云app官方网站-www.justinyin.com