激光雷达作为众多智能设备的核心传感器，其应用已经非常广泛。如今我们能够在无人驾驶小车、服务机器人、AGV叉车、智能路政交通以及自动化生产线上频频看到激光雷达的身影，也足以说明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，用于环境探测和地图构建的雷达，按技术路线大体可以分为两类，一类是TOF（Time of Flight，时间飞行法）雷达，另一类是三角测距法雷达。这两个名词相信很多人并不陌生，但是要说这两种方案从原理、性能到成本、应用上到底孰优孰劣，以及背后的原因是什么，也许每个人都还或多或少有所疑惑。今天小编就抛砖引玉，就这些问题做一次解析。

一、原理

三角法的原理如下图所示，激光器发射激光，在照射到物体后，反射光由线性CCD接收，由于激光器和探测器间隔了一段距离，所以依照光学路径，不同距离的物体将会成像在CCD上不同的位置。按照三角公式进行计算，就能推导出被测物体的距离。

光看原理，是不是觉得挺简单。

图1、三角法测距原理

然而TOF的原理更加简单。如图2所示，激光器发射一个激光脉冲，并由计时器记录下出射的时间，回返光经接收器接收，并由计时器记录下回返的时间。两个时间相减即得到了光的“飞行时间”，而光速是一定的，因此在已知速度和时间后很容易就可以计算出距离。

图2、TOF测距原理

可惜的是，要是所有事情做起来都如同想起来一样简单，那世界就太美好了。这两种方案在具体实现时都会有各自的挑战，但是相比起来，TOF要攻克的难关显然要多得多。

TOF雷达的实现难点主要在于：

1．首先是计时问题。在TOF方案中，距离测量依赖于时间的测量。但是光速太快了，因此要获得精确的距离，对计时系统的要求也就变得很高。一个数据是，激光雷达要测量1cm的距离，对应的时间跨度约为65ps。稍微熟悉电气特性的同学应该就知道这背后对电路系统意味着什么。

2．其次是脉冲信号的处理。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几乎没什么要求，因为测量依赖的激光回波的位置，所以只需要一个连续光出射就可以了。但是TOF却不行，不光要脉冲激光，而且质量还不能太差，目前TOF雷达的出射光脉宽都在几纳秒左右，上升沿更是要求越快越好，因此每家产品的激光驱动方案也是有高低之分的。

b）另一个是接收器的。一般来说回波时刻鉴别其实是对上升沿的时间鉴别，因此在对回波信号处理时，必须保证信号尽量不要失真。另外，即便信号没有失真，由于回波信号不可能是一个理想的方波，因此在同一距离下对不同物体的测量也会导致前沿的变动。比如对同一位置的白纸和黑纸的测量，可能得到如下图的两个回波信号，而时间测量系统必须测出这两个前沿是同一时刻的（因为距离是同一距离），这就需要特别的处理。

图3、不同反射率的回波信号差异

除此以外，接收端还面临着信号饱和、底噪处理等等问题，可以说困难重重。

二、性能PK，知其然可知其所以然？

说了这么多，其实从下游用户的角度，并不关心你实现起来简单还是难。用户最关心的不外乎两点：性能和价格。先说性能，如果了解这个行业的人大多知道，TOF雷达从性能上是优于三角雷达的。但是具体体现在哪些方面，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远。实际上，在一些要求测量距离的场合，比如无人驾驶汽车应用，几乎都是TOF雷达。三角雷达测不远，主要有几个方面的原因：一是原理上的限制，其实仔细观察图1不难发现，三角雷达测量的物体距离越远，在CCD上的位置差别就越小，以致于在超过某个距离后，CCD几乎无法分辨。二是三角雷达没办法像TOF雷达那样获得较高的信噪比。TOF采用脉冲激光采样，并且还能严格控制视场以减少环境光的影响。这些都是长距离测量的前提条件。

当然，距离长短并不代表绝对的好坏，这取决于具体的使用场景。

2．采样率

激光雷达描绘环境时，输出的是点云图像。每秒能够完成的点云测量次数，就是采样率。在转速一定的情况下，采样率决定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，点云数量越多，则图像对周围环境的描绘就越细致。

就市面上的产品而言，三角法雷达的采样率一般都在20k以下，TOF雷达则能做到更高（例如星秒的TOF雷达PAVO最高可以达到100k的采样率）。究其原因，TOF完成一次测量只需要一个光脉冲，实时时间分析也能很快响应。但是三角雷达需要的运算过程耗时则更长。