杜克大学的研究人员已经表明，一种新的激光雷达方法可以足够灵敏地捕捉毫米级的特征，例如人脸上的特征。来源：Ruobing Qian, Duke University

许多机器人公司正在将光探测和测距（简称LiDAR）技术集成到传感器包中。目前，这种方法受到了自动驾驶汽车开发商的高度关注和投资，其工作原理与雷达类似，但它使用的不是发出宽无线电波和寻找反射，而是来自激光的短脉冲光。

实时时频复用FMCW激光雷达系统的光学和系统设计。

然而，传统的飞行时间激光雷达有许多缺点，难以在许多三维视觉应用中使用。由于它需要检测非常微弱的反射光信号，其他激光雷达系统甚至环境阳光都很容易淹没探测器。它的深度分辨率也有限，需要很长时间才能密集扫描大面积区域，如高速公路或工厂地板。为了应对这些挑战，研究人员正在转向一种称为调频连续波（FMCW）激光雷达的激光雷达。

杜克大学生物医学工程Joseph Izatt实验室的博士生Ruobing Qian说:“FMCW激光雷达与OCT的工作原理相同，后者自上世纪90年代初以来一直在生物医学工程领域发展。但30年前，没有人知道自动驾驶汽车或机器人会成为现实，所以该技术专注于组织成像。现在，为了让它在其他新兴领域发挥作用，我们需要放弃其极高的分辨率，以换取更大的距离和速度。”

在3月29日《自然通讯》(Nature Communications)杂志上发表的一篇论文中，杜克大学的研究团队展示了他们从OCT研究中学到的一些技巧如何在实现亚毫米深度精度的同时，将之前的FMCW激光雷达数据吞吐量提高25倍。

OCT是超声波的光学模拟，它通过向物体发送声波并测量它们返回所需的时间来工作。为了计算光波的返回时间，OCT设备测量它们的相位相对于经过相同距离但未与另一物体相互作用的相同光波的偏移量。

杜克大学的研究人员已经表明，一种新的激光雷达方法可以足够快地处理数据，以捕获对自动驾驶车辆和制造系统非常重要的特征。来源：Ruobing Qian, Duke University

FMCW激光雷达采用了类似的方法，只是做了一些调整。该技术发出的激光束在不同频率之间不断变换。当探测器收集光线以测量其反射时间时，它可以区分特定的频率模式和任何其他光源，使其能够以非常高的速度在各种照明条件下工作。然后，它测量无阻碍光束的任何相移，这是一种比当前激光雷达系统更精确的确定距离的方法。

真实世界物体的视频率3D成像结果。

研究人员说：“看到我们几十年来一直在研究的生物细胞级成像技术如何可以直接转化为大规模实时三维视觉，这非常令人兴奋。这些正是机器人安全地观看和与人类交互所需的能力，甚至可以在增强现实中用实时3D视频代替化身。”

以前使用激光雷达的大多数工作都是依靠旋转的反射镜来扫描景观上的激光。虽然这种方法工作得很好，但它从根本上受到机械反射镜速度的限制，无论它使用的激光有多强。

杜克大学的研究人员使用了一种像棱镜一样工作的衍射光栅，将激光分解成一道彩虹，当激光离开光源时，彩虹的频率就会扩散开来。由于原始激光仍在一个频率范围内快速扫描，这转化为激光雷达光束的扫描速度远远快于机械反射镜的旋转速度。这使得系统能够快速覆盖大面积区域，而不会损失太多深度或定位精度。

时频复用FMCW激光雷达系统的信号处理和系统性能表征。

虽然OCT设备用于描绘物体内高达几毫米深的微观结构，但机器人3D视觉系统只需要定位人体尺度物体的表面。为了做到这一点，研究人员缩小了OCT使用的频率范围，只寻找物体表面产生的峰值信号。这会使系统的分辨率降低一点，但成像范围和速度要比传统激光雷达大得多。

其结果是FMCW激光雷达系统实现了亚毫米级定位精度，数据吞吐量是之前演示的25倍。结果表明，该方法速度快、精度高，能够实时捕捉人体运动部位的细节，如点头或握紧的手。

研究人员说：“就像电子相机已经无处不在一样，我们的目标是开发新一代基于激光雷达的3D相机，这种相机速度快、功能强，能够将3D视觉集成到各种产品中。我们周围的世界是3D的，所以如果我们想让机器人和其他自动化系统与我们自然、安全地交互，他们需要能够像我们看到他们一样看到我们。”

来源：Video-rate high-precision time-frequency multiplexed 3D coherent ranging, Nature Communications (2022). DOI: 10.1038/s41467-022-29177-9