飞行时间与 FMCW 激光雷达系统

近期论文 ^{1、2、3、4、5} 已经提出了一些关于调频连续波 (FMCW) LiDAR 系统优势的营销声明。正如所料，这个故事比头条新闻所声称的要多。本文将检查这些声明，并针对它们中的每一个提供飞行时间 (ToF) 与 FMCW LiDAR 的技术比较。

我们了解并非所有 ToF 和 FMCW 系统都是平等的，因此我们将专注于 AEye 所采用的 ToF。我们希望本文将概述成功的从业者必须克服的一些困难的系统权衡，从而激发激烈的知情讨论、竞争，并最终改进 ToF 和 FMCW 产品。

竞争性声明

声明 #1：FMCW 是一项（新）革命性技术

这是不真实的。

与最近的新闻报道相反，FMCW 激光雷达已经存在了很长时间，源于 1960 年代麻省理工学院林肯实验室所做的工作 ⁸ ，距激光本身发明仅七年 ⁹ .多年来，许多关于 FMCW 的经验教训——虽然是非机密和公共领域的——但很遗憾早已被遗忘。最近发生的变化是长相干长度激光器的可用性更高。虽然这重新激发了人们对成熟技术的兴趣，因为它理论上可以提供极高的信号增益，但仍然必须解决一些限制，以使这种 LiDAR 可用于自动驾驶汽车。

声明 #2：FMCW 检测/跟踪对象更远、更快

这是未经证实的。

ToF LiDAR 系统可以提供非常快的激光发射率（在 AEye 系统中每秒数百万次发射）、灵活的扫描、增加的返回显着性以及应用高密度感兴趣区域 (ROI) 的能力 - 为您提供两倍的系数与其他系统相比，来自退货的信息要好四倍。相比之下，许多低复杂度的 FMCW 系统的发射率只能达到每秒数千次发射的 10 到 100 秒（慢约 50 倍）。因此，本质上，我们将纳秒的停留时间和高重复率与数十微秒的停留时间和低重复率（每个激光/rx 对）进行比较。商用、汽车级 LiDAR 产品可用 ToF 每秒产生数百万次返回，具有大 FOV 和超过 1000 点/平方度的超高分辨率。 AEye 不知道有任何 FMCW 系统可以达到这种性能水平（目前市场上的 FMCW 系统往往缺乏特定的性能规格）。

远距离物体的检测、采集（分类）和跟踪都受到激光发射率的严重影响，因为更高的激光发射密度（在空间和/或时间上）提供更多信息，从而实现更快的检测时间和更好的噪声过滤。 AEye 展示了一个能够多点检测低反射率的系统：200m 以上的小物体和行人，300m 的车辆，以及 1 公里范围内的 3 级卡车。这说明了 ToF 技术的测距能力。事实上，几乎所有激光测距仪都使用 ToF 而不是 FMCW 进行距离测距（例如，Voxtel 测距仪 ¹⁰ 产品，一些具有 10+km 的检测范围）。尽管最近的文章声称 FMCW 具有更优越的射程，但我们还没有看到一个 FMCW 系统能够与先进的 ToF 系统的射程相匹配，同时提供匹配的 FOV、整体射程和点密度。

声明 #3：FMCW 更准确、更高效地测量速度和范围

这是误导。

ToF 系统，包括 AEye 的 LiDAR，确实需要多次激光射击来确定目标速度。与 FMCW 的单发声明相比，这似乎是额外的开销。更重要的是理解并非所有的速度测量都是平等的。虽然两辆迎面行驶的汽车的径向速度是紧迫的（需要更大范围检测的原因之一），横向速度也是如此，因为它包含超过 90% 的最危险边缘情况。闯红灯的汽车、急转弯的车辆、步入街道的行人，都需要横向速度才能做出规避决策。 FMCW 不能一次性同时测量横向速度，并且对于在 ToF 系统上求横向速度没有任何好处。

考虑一辆车在 30 到 40 米/秒（约 67 到 89 英里/小时）之间移动，被激光射击检测到。如果在短时间内进行第二次激光射击，例如在第一次之后 50 微秒，则目标在此间隔内只会移动约 1.75 毫米。为了建立具有统计意义的速度，目标应该至少移动了 2 cm，这需要大约 500μs（同时需要足够的 SNR 来插入距离样本）。通过第二次测量，可以在与帧速率相比可以忽略不计的时间范围内建立具有统计意义的范围和速度。借助敏捷扫描仪，500μs 不仅专用于或“俘获”速度估计。相反，可以在此期间向目标发射许多其他射击。此时间可用于在返回原始目标之前查看其他区域/目标以进行高置信度的速度测量，而 FMCW 系统会在其整个停留时间内被捕获。

使俘获时间更加复杂的是，FMCW 通常需要至少两次激光频率扫描（向上和向下）以形成明确的检测，向下扫描提供克服由混合范围 + 多普勒频移引起的模糊性所需的信息。这使每次喷射所需的停留时间加倍，超出了已经描述的时间。目标在 10μs 内的运动量通常只有 0.5mm，因此很难区分振动与真实的直线运动。

声明 #4：FMCW 干扰较小

实际上恰恰相反！

ToF 和 FMCW 系统中都会出现杂散反射。这些可能包括回射器异常，例如“光晕”、“壳”、第一表面反射、离轴空间旁瓣以及多径和杂波。任何好的 LiDAR 的关键是在空间域（具有良好的光学性能）和时间/波形域中抑制旁瓣。 ToF 和 FMCW 在空间行为上具有可比性，但 FMCW 真正受到影响的是在存在高对比度目标时的时域/波形域。

杂乱： FMCW 依靠基于窗口的旁瓣抑制来解决自干扰（杂波），它远不如没有旁瓣的 ToF 鲁棒。为了提供背景信息，10μs FMCW 脉冲在 1.5 公里范围内径向传播光。此范围范围内的任何对象都将被 FFT（时间）旁瓣捕获。即使是更短的 1μs FMCW 脉冲也可能被 150m 外的高强度杂波破坏。众所周知，矩形窗口 FFT 的第一旁瓣为 -13dB，远高于始终如一的良好点云所需的水平。 （除非镜头中没有物体的强度与镜头中任何其他距离点的强度差异超过约 13dB，这在实际道路条件下不太可能发生）。

当然，可以应用更深的旁瓣锥度，但会牺牲脉冲展宽。此外，接收器前端的非线性（所谓的无杂散动态范围）将限制由于压缩和 ADC 杂散（三阶截距）而可实现的有效整体系统旁瓣电平；相位噪声6；和大气相位调制等，任何窗口锥度都无法减轻。航空航天和国防系统可以并且确实克服了这些限制，但我们不知道任何低成本的汽车级系统能够从近程回射器中挑选出远程小型物体所需的瞬时>100db 动态范围，例如出现在FMCW。

相比之下，典型的高斯 ToF 系统在 2ns 脉冲持续时间下，除了脉冲持续时间本身的几厘米之外，没有任何基于时间的旁瓣。当小目标回波被捕获时，小偏移回波和大偏移回波之间的动态范围对入射到光电探测器的光没有任何影响。

第一个表面： 潜在更强的干扰源是由挡风玻璃或应用于 LiDAR 系统的其他第一表面引起的反射。正如发射光束在近处连续打开一样，反射将是连续的，并且相对于远处的物体非常强烈，代表了一种类似的低频分量，会在转换后的数据中产生不希望的 FFT 旁瓣。结果也可能是可用动态范围的显着减少。此外，挡风玻璃是在机械应力下的多层玻璃，具有复杂的非均匀极化。这使光电探测器表面上的信号返回的电场随机化，使（去相干）光学混合变得复杂。

最后，由于时域处理与频域处理的性质，多回波的处理（即使具有高动态范围）在 ToF 系统中是一个简单的过程，而在 FMCW 系统中需要显着消歧。多回波处理在处理烟雾、蒸汽和雾等遮蔽物时尤为重要。

声明 #5：FMCW 是汽车级、可靠且易于扩展的

这充其量是未经证实的。

FMCW 声称的优势来自于它利用光子学和电信技术的成熟度，从而促进可扩展性到更高的性能水平（除了节省成本）。的确，FMCW 允许使用低成本的光电探测器，例如 PIN，而 ToF 通常使用 APD 和其他更昂贵的探测器。但是，细节要微妙得多。

LiDAR 组件的供应链相对较新，但光纤激光器、PIN 阵列接收器、ADC 和 FPGA 或 ASICS 等组件已在各个行业使用多年。从供应基地的角度来看，这些类型的组件风险非常低。相比之下，FMCW 系统的关键组件是相位噪声非常低的激光器，它有许多严格的要求，没有其他大批量用户可以帮助降低批量制造成本。

ToF LiDAR 系统中使用的光学组件是商业系统中广泛和常规使用的组件的衍生产品。新的发展是 MEMS，它以前已用于几乎所有的汽车压力和安全气囊传感器，以及军队中的加特林枪、导弹导引头和激光谐振器 Q 开关。 FMCW 系统的组件已在实验室环境中使用多年，但没有大批量生产系统部署了启用此类系统所需的频率捷变长相干长度二极管激光器等项目。

此外，ToF LiDAR 已经有多家供应商在整个硬件堆栈中销售符合汽车标准的组件：激光器、探测器、ASIC 等。从历史上看，内部独特制造的颠覆性技术（例如 FMCW 激光源）必须具有 10 倍的性能。技术收益来抵消拥有强大供应链的产品，其中多个供应商已经通过了特定客户群的质量标准。

可扩展性与成熟度直接相关。描述技术成熟度的一种方式是 NASA 在 1970 年代 7 开发的一种方案，称为“技术准备水平”（TRL）。该方案根据从技术灵感（TRL 1）到部署多个成功任务（TRL 9）的路径为技术分配编号。

对于 ToF LiDAR，我们认为组件和系统的 TRL 为 8，而 FMCW 组件和系统的 TRL 为 4。这是技术准备方面的一个重大差距，需要很多年才能弥补。 FMCW 系统的主要可扩展性缺点包括由于激光啁啾脉冲展宽导致的低发射率，以及处理退货所需的高速 ADC 和 FPGA。在系统级别需要更高的发射率的情况下，可以部署光路和电子设备的并行通道。这些可能使用单个扫描 MEMS，但每个复制的项目都是 LiDAR 系统的大部分成本，因此双通道几乎使 LiDAR 的总成本增加了一倍。

激光成本： In FMCW systems, coherence length is determined by how the laser is designed and fabricated and must be at least twice as long as the longest target range. Typically, a low phase noise laser is much more expensive than a traditional diode laser. In contrast, outside of maintaining a good pulse shape, there are few other requirements on the laser in a ToF system beyond those already required in telecom markets.

Receiver Costs: While it’s true that FMCW detectors can be low grade PINs and relatively cheap, the total receiver cost is expensive due to the front-end optics and back-end electronics requirements. Even here though, a coaxial FMCW system and a coaxial ToF system will not see significant differences in detector costs based on detector sizes needed. The total receiver cost will favor a ToF system. However, where FMCW really shines on cost is for short range systems. The higher energy efficiency evinced from coherence enables diode lasers to be employed, and chip scale Li-DAR is achievable.

Optics Costs: In a typical ToF system, incoherent detection (simple amplitude peak detection) takes place and optical elements only have to be within one-quarter of a wavelength (so called λ/4). In comparison, FMCW uses coherent detection and in aggregate, all of the optical surfaces must be within a much tighter tolerance, like λ/20. These components can be very expensive.

Electronics Costs: In the AEye ToF system, the electronics consist of a high-speed analog to digital converter (ADC) and a field programmable gate array (FPGA) that performs peak detection and range calculations. The bandwidth of the electronics is proportional to the range resolution and for common Li-DAR system requirements, the components are nothing unusual.

FMCW requires ADC conversion rates that are two- to four-times as high as a ToF system and then must be followed by an FPGA capable of taking the data in and doing very high speed FFT conversions. Even with the use of ASICs, the complexity of FMCW systems is several times the complexity (and cost) of the processing required for ToF.

Claim #6:Adding FMCW to Optical Phased Arrays (OPAs) Will Compensate for Lack of Solid-State Performance of FMCW

This is unproven.

FMCW has a low technical readiness level, and Optical Phased Arrays have an even lower technical readiness level (roughly TRL 3 with experimental proof of principle and not usable at scale to the extent needed for FMCW). The original DARPA Modular Optical Aperture Building Blocks (MOABB) program demonstrated that, to achieve very low spatial sidelobe transmit beam-steering performance, submicron (λ/2) waveguides were necessary11. The consequence of needing such small waveguides is the power handling capability of such elements, which was identified as a fundamental limitation to the approach. On the receive side, the idea of coupling light from an input lens to a photonic substrate where the light must be collected into a very small waveguide is also an optical performance challenge (etendue limitation).

Most OPA systems use thermal shifting of laser wavelength to steer beams in one dimension while using phased arrays to steer beams in another dimension. It is well known that phased array beam steering degrades (creates spatial sidelobes) very quickly with frequency shifts of the laser beam. The combination of a beam steering mechanism that depends on the laser being a constant intensity and constant wavelength, while the ranging mechanism depends on sweeping the frequency (wavelength) of the laser, doesn’t work well for traditional FMCW approaches. The idea of combining FMCW with this beam steering technology that is in such an early stage of development is incredibly risky. We believe this path can take another 10 years to reach usable maturity.

Conclusion

AEye believes that high performance, agile-scanning ToF systems serve the needs of autonomous vehicle LiDAR more effectively than FMCW when cost, range, performance, and point cloud quality are important. However, it is not hard to see the logical reasoning where FMCW could play a niche role in applications where lower shot rates are suitable and FMCW systems are more economical.

This article was written by Luis Dussan, Founder and CTO, AEye (Dublin, CA). For more information, visit here .

References

1. Aurora Team, “FMCW Lidar:The Self-Driving Game-Changer ”, April 9, 2020.
2. Philip Ross, “Aeva Unveils Lidar on a Chip ”, IEEE Spectrum, December 11, 2019.
3. Timothy Lee, “Two Apple veterans built a new lidar sensor — here’s how it works ”, arsTECHNICA, October 2, 2018.
4. Jeff Hect, “Lasers for Lidar:FMCW lidar:An alternative for self-driving cars ”, Laser-FocusWorld, May 31st, 2019.
5. “Aeva launches ‘4D’ LiDAR on chip for autonomous driving ”, December 16, 2019.
6. Phillip Sandborn, “FMCW Lidar:Scaling to the Chip-Level and Improving Phase-Noise-Limited Performance ”, Electrical Engineering and Computer Sciences, University of California at Berkeley, Technical Report No. UCB/EECS-2019-148, December 1, 2019.
7. “Technology readiness level ”, Wikipedia.
8. A Gschwendtner, W Keicher, “Development of Coherent Laser Radar at Lincoln Laboratory ”, MIT Tech journal, Vol 12, #2, 2000.
9. C. Patel, “Stability of Single Frequency Lasers ”, IEEE J Quantum Electronics, v4, 1968.
10. Voxtel Laser Rangefinders , June 2020.
11. P Suni et al, “Photonic Integrated Circuit FMCW Lidar On A Chip ”, 19th Coherent Laser Radar Conference.