（三）LiDAR测距三剑客：ToF与三角法的原理、选型与实战场景

1. LiDAR测距技术全景概览

激光雷达（LiDAR）作为现代感知技术的核心组件，已经渗透到自动驾驶、机器人导航、工业测量等多个领域。它的核心功能是测距，而实现这一功能的技术路线主要有三条：脉冲飞行时间测距（dToF）、相位飞行时间测距（iToF）和三角测距法。这三种技术各有所长，就像武侠世界中的三把名剑，在不同场景下展现出独特的威力。

我第一次接触LiDAR是在一个机器人项目中，当时为了选择合适的测距方案，花了整整两周时间对比测试。实测下来发现，没有绝对的好坏之分，关键要看应用场景。比如在室外强光环境下，脉冲测距表现稳定；而在室内高精度测量中，三角法反而更胜一筹。

这三种技术的核心差异在于距离计算原理：

• ToF类（Time of Flight）：通过测量激光往返时间计算距离
• 三角法：利用几何相似三角形原理推算距离

从性能参数来看，它们形成了明显的互补关系。脉冲测距擅长远距离（可达数千米），相位测距在中距离（几十米）表现均衡，而三角法则在近距离（几米内）精度最高。这种特性差异直接决定了它们的应用场景边界。

2. 脉冲飞行时间测距（dToF）深度解析

2.1 工作原理与硬件架构

脉冲测距的核心思想简单直接：记录激光脉冲从发射到返回的时间差。就像体育比赛中的计时器，当激光脉冲离开发射器时开始计时，接收到回波时停止计时。这个时间差Δt乘以光速c再除以2（往返距离），就是目标物体的距离。

实际工程实现却充满挑战。我拆解过几个dToF模块，发现其硬件架构通常包含：

1. 高功率脉冲激光二极管：发射纳秒级短脉冲
2. 高速APD光电探测器：捕捉微弱回波信号
3. 时间数字转换器(TDC)：皮秒级时间测量
4. 抗干扰算法：从噪声中提取有效信号

python复制# 简化的距离计算代码示例
def calculate_distance(time_diff):
    speed_of_light = 299792458  # 米/秒
    return (time_diff * speed_of_light) / 2

2.2 性能特点与典型应用

在自动驾驶领域测试时，dToF展现出了三大优势：

1. 超远测距：RIEGL VZ-6