編者語：后臺回復“入群”，加入「智駕最前沿」微信交流群

之前和大家討論過激光雷達是否會傷害人眼（相關閱讀：自動駕駛中的激光雷達是否會傷害人眼？）及激光雷達是否會傷害攝像頭（相關閱讀：自動駕駛中的激光雷達是否會傷害攝像頭？），在這兩篇文章中，我們了解到激光雷達不會傷害人眼，但的確會傷害攝像頭。就在最近，有一位小伙伴問了一個非常有趣的問題，如果多輛搭載激光雷達的自動駕駛車輛相遇，是否會相互干擾？對于這個問題，智駕最前沿查閱了多份資料及相關文獻，今天就帶大家分析下這個問題，若有不足之處，還歡迎大家留言區評論。

對于自動駕駛汽車來說，搭載在車頂和車身周圍的激光雷達（LiDAR）已成為環境感知的“眼睛”。激光雷達之所以被廣泛采用，是因為它能夠快速、準確地捕捉周圍物體并生成三維點云，為車輛規劃行駛路線提供關鍵數據。任何一個激光雷達，首先要做的就是發射和接收光信號。它會通過激光發射模塊不斷地向四周掃描，發出成千上萬束激光脈沖或連續調制的光線，光束遇到障礙物后會被反射回來，再由接收模塊捕獲。這些往返的時間差，便是激光雷達測距的核心指標——飛行時間（ToF），還有某些先進設備通過比較發射光與回波光的頻率差（FMCW技術）來計算距離和速度。為實現對整個周邊環境的覆蓋，傳統方案往往讓激光器安裝在一個能夠高速旋轉的支架上，不斷掃過周圍360度；新興固態相控陣方案則利用微機電系統或光學相控陣元件，無需機械運動便可完成大角度掃描。

激光雷達的硬件主要分成發射、接收、掃描和處理四大部分。發射單元需要一個能夠輸出穩定脈沖或線性調頻光源的激光器；接收端則搭配高靈敏度的光電探測器，用來捕捉回波信號；光學系統中的透鏡和反射鏡負責將光束聚焦并調整方向；最后由信號處理單元將采樣到的電信號轉換成數字數據，經過濾波、峰值檢測和算法計算后，拼湊成一幅幅精細的三維點云圖。對自動駕駛車輛而言，這些點云圖是識別行人、自行車、車輛、路沿和交通標志的基礎。

激光雷達構成

當車流量不高時，每一臺激光雷達都在相對“清凈”的環境中工作，它發出的光脈沖絕大部分都會擊中真實障礙物后返回，數據質量很高。但如果路上出現了多臺近距離行駛且都在發射相似波長、相似調制方式的激光，有時一個設備發出的光脈沖會恰好在另一臺接收器的采樣窗口內被誤當成自身回波，產生虛假的測距結果。更直白地說，A汽車發的脈沖恰好落在B汽車的“收聽”周期里，B就會把A發的信號識別成路面或障礙物返回的信號。類似情況在FMCW型激光雷達中也會出現，當兩臺設備的調頻帶寬或起始頻率接近時，混頻后會產生多重頻差峰值，接收端很難分辨哪一個才是真正針對自己的目標。

在城市擁堵或紅綠燈前排隊等候的場景中，這種“串波”效應獲將尤其明顯。比如兩輛搭載激光雷達的自動駕駛汽車并排行駛時，如果它們的掃描角度重疊，A車前方的樹干產生的回波很可能被B車接收，這就會讓B車在自己的點云中看到多余的“樹叢”，影響對實際行人或車輛的識別和判斷。又或者在交叉口等待時，旁邊車輛的回波誤入本車點云，使得系統以為前方有人橫穿道路，從而激發不必要的急剎車。更嚴重的情況是，在擁擠的隧道或多層停車場里，多路徑回波也會被相互疊加，這將給算法濾波帶來更大挑戰。

激光雷達之間產生干擾的原因，其實可以歸結為頻率、時間和空間三方面的重疊。激光器的波長往往集中在905nm或1550nm兩個波段，即使廠家在出廠調校時稍有差異，由于接收器帶寬較寬，還是能捕捉到相鄰波長的光子。不同設備如果沒有精準同步發射時序，也很容易出現脈沖或者調頻信號在時間上互相“撞車”。此外，掃描方向如果對不上角度，彼此發射的光束就會在空間中重疊，一個設備的光束就恰好也在另一個設備的視野內被接收。

若搭載激光雷達的汽車出現上述情況，將可能導致嚴重的后果。首先是虛警率上升，也就是系統會把不存在的物體當真，出現過多的“假障礙”，這會降低自動駕駛系統對真實障礙的響應速度，甚至導致不必要的急停或繞行。其次是漏檢風險，真正存在的行人、車輛或障礙在一片雜亂的點云噪聲中，很容易被淹沒，算法無法精確提取，進而無法及時作出避讓決策。更深層次的隱患在于，激光雷達數據往往和攝像頭、毫米波雷達等多傳感器融合，如果LiDAR數據質量持續不穩定，將影響整個感知鏈路的可靠性。

對于這個問題，業界已經在硬件和軟件層面展開了多管齊下的攻關。一些廠商嘗試在不同波長或不同調制帶寬之間進行頻域隔離，讓相鄰車輛的信號在頻率上互不重疊；也有人推廣基于衛星定位（GNSS）或車聯網（V2V）通信的時間同步方案，將不同車輛的發射時隙嚴格錯峰，確保任何時刻同一區域內只有少數幾輛車在同一時段發射。固態相控陣LiDAR的出現，為空間隔離提供了更多可能，通過電子方式改變光束指向，在保證關鍵方向高分辨率的同時，對其它方向的“入侵”信號進行衰減。

在軟件層面，也有技術提出運用編碼和匹配濾波技術，為每臺LiDAR的光脈沖或調頻信號加上專屬的“身份標記”。接收側只對帶有自己標記的信號進行解碼，其他帶有不同標記的信號就被當作噪聲剔除掉。這種思路與通信領域的CDMA（碼分多址）類似，但在光學域內實現對實時高頻信號的編碼解碼，對處理器性能提出了不小挑戰。此外，點云后處理算法也更加智能化，通過機器學習模型在線識別潛在的串擾點云，將可疑點云歸為“干擾”類別，并在融合其它傳感器數據后進行校正。

想要解決這個問題，除了依靠單車或單系統的改進外，車與車之間的協同也顯得尤為關鍵。借助高速低時延的C-V2X（蜂窩車聯網）或DSRC（專用短程通信），不同車輛可以實時交換雷達狀態和時隙安排，一旦檢測到潛在的發射沖突，就能立刻通過網絡指令調節發射功率、改變發射時隙或調整掃描角度。這種集中式或分布式的資源調度，每輛車既能保持對周圍環境的高精度感知，又能避免對同伴造成“激光干擾”。

未來，激光雷達的抗干擾技術或將與整車智能化、一體化設計深度融合。光子集成芯片的不斷進步，將讓LiDAR芯片級別的小型化和低功耗成為可能，未來大規模裝車的成本也會大幅下降。車載中央處理單元（域控制器）將集成更強大的AI算力，能夠在毫秒級的時間尺度對多源數據進行融合、判別和校正，實時區分自家激光信號與他家信號，并動態調節發射參數。云端大數據平臺的崛起，能夠將各地道路上、各種路況下的雷達“實戰”數據進行匯聚與分析，為更新算法和優化配置提供持續反饋。

當多輛自動駕駛汽車同時使用激光雷達時，確實存在相互干擾的可能，從而導致虛警、漏檢和感知失真等問題。但好在，無論是頻率和時序的隔離、編碼與解碼的抗干擾手段，還是車聯網的協同調度和后端智能算法，各種對策正在不斷成熟和落地。隨著技術和標準的不斷完善，激光雷達的抗干擾能力將得到顯著增強，進而為自動駕駛車輛提供更加可靠的“第三只眼”，助力智慧交通在未來真正走上大規模商用之路。

-- END --