随着自动驾驶、机器人、无人叉车、智慧交通、港口自动化、矿山无人运输和安防周界感知的发展，激光雷达正在越来越多地部署到真实环境中。

过去，一个系统可能只安装一台激光雷达；现在，一个机器人可能装多台激光雷达，一辆无人车可能装多颗激光雷达，一个路口可能部署多套激光感知设备，一个园区可能同时运行多台无人车、巡检机器人和智能设备。

这就带来一个问题：

当多台激光雷达同时工作时，它们会不会互相干扰？

答案是：会。

尤其是当多台激光雷达使用相近波长、相近发射节奏、相近扫描方向，并且工作在同一空间时，就可能出现相互干扰。

因此，如何避免激光雷达相互干扰，是多雷达系统工程落地中必须考虑的问题。

一、激光雷达为什么会相互干扰？

激光雷达的基本工作方式是：

以常见的ToF激光雷达为例，它通过测量激光往返时间计算距离：

问题在于，接收器并不知道进入自己的光子一定来自自己发射的激光。

如果旁边另一台激光雷达刚好发射了激光，这束激光经过目标反射后，被本机接收器接收到，本机就可能误以为这是自己的回波。

这样就会产生错误测距。

可以简单理解为：

这就是激光雷达之间相互干扰的基本机制。

二、激光雷达干扰会造成什么问题？

激光雷达互扰通常会表现为以下几类问题。

1. 点云噪声增加

点云中出现大量离散异常点。

这些点不对应真实物体，而是由外部激光脉冲或异常回波造成。

在点云可视化中，可能表现为：

• 空中漂浮点；

• 地面外的孤立点；

• 随机闪烁点；

• 不稳定噪声点。

2. 虚假目标

如果干扰信号比较强，系统可能会认为某个位置存在真实障碍物。

这类虚假目标也常被称为“幽灵目标”。

例如：

• 前方实际没有障碍物，但点云中出现障碍；

• 无人车误判前方有物体；

• 机器人突然减速或停车；

• 安防系统产生误报警。

3. 测距错误

激光雷达可能输出错误距离。

例如真实障碍物在5米处，但因为接收到外部干扰脉冲，系统误算成2米或10米。

对于避障系统来说，距离错误非常危险。

4. 点云缺失

有些干扰会提高噪声背景，降低有效回波信噪比，导致真实点云被淹没。

表现为：

• 部分区域点云变稀疏；

• 远距离目标丢失；

• 低反射率目标检测变差；

• 障碍物边界不完整。

5. 算法误判

点云异常会影响后续算法，例如：

• 地面分割；

• 障碍物检测；

• 点云聚类；
• SLAM建图；

• 目标跟踪；

• 路径规划；

• 自动驾驶决策；

• 安全区域判断。

所以，激光雷达互扰不是简单的传感器小问题，而是可能影响整个感知系统可靠性的工程问题。

三、哪些场景容易发生激光雷达互扰？

1. 多机器人同时运行

如果它们都使用相同类型的激光雷达，并且在狭窄通道中相遇，就可能发生互扰。

2. 一台设备安装多颗激光雷达

很多机器人和无人车为了扩大视野，会安装多颗激光雷达。

例如：

如果它们的扫描区域重叠，也可能互相干扰。

3. 智慧交通路侧感知

在路口、隧道、港口、矿区、停车场等场景中，可能部署多台激光雷达。

如果安装位置和扫描方向设计不合理，多台设备之间可能互相照射。

4. 自动驾驶车辆密集场景

未来道路上如果大量车辆都装有激光雷达，就会形成密集多雷达环境。

多辆车相互接近、会车、跟车、交叉通行时，激光雷达互扰概率会增加。

5. 展厅、测试场和实验室

在机器人实验室、自动驾驶测试场、产品展示现场，经常会有多台设备同时工作。

由于空间较小、传感器距离近、目标反射复杂，也容易出现互扰。

四、激光雷达互扰的本质是什么？

激光雷达互扰的本质可以概括为一句话：

接收器收到了不属于自己的光信号，却把它当成了自己的有效回波。

从信号角度看，互扰发生通常需要几个条件：

1. 多台激光雷达工作在相近波长；

2. 发射时间或调制方式产生重叠；

3. 接收器视场接收到外部激光或其反射光；

4. 接收系统无法区分该信号来自哪台雷达；

5. 后端算法没有识别和滤除异常点。

因此，解决互扰问题，也要从多个层面入手：

没有一种方法可以解决所有问题，成熟系统通常会组合使用多种策略。

五、方法一：合理安装，避免视场直接对射

最基础的方法是从安装设计上降低互扰概率。

如果两台激光雷达正对着彼此，或者扫描区域大面积重叠，互扰风险会明显增加。

因此，在多雷达部署时，应尽量避免：

• 雷达发射窗口正对另一台雷达接收窗口；

• 多台雷达在同一高度互相直视；

• 多台雷达扫描平面完全重合；

• 多雷达近距离面对面安装；

• 高反射目标把光反射到其他雷达。

工程上可以采取：

• 改变安装角度；

• 调整安装高度；

• 错开扫描平面；

• 避免雷达正面对射；

• 减少不必要的视场重叠；

• 使用遮光罩或机械结构减少杂散光；

• 合理设计雷达在车辆或机器人上的朝向。

这种方法简单、成本低，但不能完全解决复杂环境下的干扰。

六、方法二：时间错开，避免同时发射和接收

时间错开是非常重要的抗干扰思路。

它的基本逻辑是：

不同激光雷达不要在相同时间窗口内发射或接收相似信号。

例如，两台雷达可以采用不同的发射时隙：

这样可以降低互相接收到对方激光的概率。

这种方式类似通信中的时分复用。

适合场景：

• 一台机器人上多颗雷达；

• 固定场地多雷达部署；

• 可统一控制的多传感器系统；

• 工业设备安全感知系统。

不适合完全无协同的开放道路环境，因为不同车辆之间通常无法统一协调发射时间。

七、方法三：相位锁定和扫描角度错开

对于旋转式激光雷达，多台设备可以通过时间同步和相位锁定，让它们在固定时间扫描到不同角度。

例如：

也可以让多台雷达在同一时刻处于不同旋转角度，从而减少直接互照。

这类方法在多雷达机器人、无人车和测试平台中很实用。

核心措施包括：

• 使用PPS时间同步；

• 使用PTP网络时间同步；

• 设置相位偏移；

• 统一帧时间；

• 错开扫描起始角；

• 配置不同雷达的扫描角度窗口。

优点：

• 对多雷达系统友好；

• 不一定需要降低帧率；

• 有助于多传感器融合；

• 可以减少扫描重叠带来的干扰。

缺点：

• 需要雷达支持相位锁定；

• 需要统一时间源；

• 配置和调试有一定门槛；

• 对第三方外部雷达无控制能力。

八、方法四：使用不同波长或窄带滤光

激光雷达通常使用特定波长，例如905nm、940nm、1064nm、1550nm等。

如果不同雷达使用不同波长，并且接收端配备窄带滤光片，就可以减少相互接收对方信号的可能性。

原理类似：

光学滤波可以抑制非目标波长的光，提高抗干扰能力。

优点：

• 从光学层面降低干扰；

• 对环境光也有一定抑制；

• 不依赖复杂算法；

• 适合固定系统设计。

缺点：

• 不同波长器件成本不同；

• 多波长系统设计复杂；

• 如果多台雷达使用同一波长，效果有限；

• 激光安全、发射功率、探测器材料都会影响成本。

例如1550nm激光雷达在眼安全和高功率发射方面有一定优势，但通常成本也更高。

九、方法五：脉冲编码，让雷达识别“自己的信号”

脉冲编码是抗互扰的关键技术之一。

基本思想是：

不同雷达发射带有不同编码特征的激光脉冲，接收端只接受符合自己编码规律的回波。

类似于每台雷达给自己的激光信号加上“身份证”。

编码方式可以包括：

• 时间编码；

• 脉冲间隔编码；

• 伪随机序列；

• 相位编码；

• 频率调制；

• 脉冲宽度编码；

• 多脉冲序列编码。

例如：

优点：

• 能显著增强信号识别能力；

• 适合多雷达环境；

• 可以提升抗干扰能力；

• 对未来高密度部署非常重要。

缺点：

• 系统设计复杂；

• 需要发射和接收端协同；

• 编码长度增加可能影响测量时间；

• 对硬件和信号处理能力有要求。

十、方法六：随机化发射时间，降低相关性

如果多台雷达的发射节奏完全固定，互相撞上的概率可能会周期性出现。

随机化发射时间的思路是：

不让激光脉冲以完全固定节奏发射，而是在一定范围内加入随机延迟。

这样，即使两台雷达偶尔互相干扰，也不会长期稳定地“撞在一起”。

可以理解为：

这种方法适合脉冲式ToF和Flash LiDAR等系统。

优点：

• 降低多雷达信号相关性；

• 对非协同环境有帮助；

• 可以把系统性干扰变成随机噪声；

• 配合统计滤波效果更好。

缺点：

• 实现复杂度增加；

• 需要保证自身测距精度不受影响；

• 对实时性和时序设计有要求；

• 随机策略设计不好可能影响测距稳定性。

十一、方法七：FMCW相干探测，提高天然抗干扰能力

FMCW激光雷达是一类重要的新型激光雷达路线。

它不像传统脉冲ToF那样只测光返回时间，而是通过连续调频激光和相干接收测量目标距离和速度。

FMCW LiDAR的一大特点是：

接收端只对与本机本振相干的回波敏感。

简单理解，本机发出的光和本机接收系统之间有特定相干关系，外部雷达的光通常难以被当作有效回波。

因此，FMCW激光雷达在抗干扰方面具有潜在优势。

另外，FMCW LiDAR还能直接测速度，这对自动驾驶和动态目标感知很有价值。

优点：

• 抗环境光能力较强；

• 对外部非相干光干扰更不敏感；

• 可以同时测距和测速；

• 适合高端感知系统。

缺点：

• 技术复杂；

• 成本较高；

• 工程成熟度仍在发展；

• 对激光器、调制、相干接收和信号处理要求高。

未来高密度自动驾驶场景中，FMCW路线可能会成为抗干扰的重要方向之一。

十二、方法八：接收端门控，只在合理时间窗口接收

激光雷达可以根据测距范围设置接收时间窗口。

例如，如果系统只关注0到50米范围内的目标，就不必在所有时间段都接收信号。

接收端门控的思路是：

这样可以减少无关光信号进入测距逻辑。

优点：

• 可以降低部分外部干扰；

• 有助于减少环境光影响；

• 适合已知测距范围的应用；

• 可与动态阈值结合。

缺点：

• 对距离范围设定敏感；

• 远距离目标可能被过滤；

• 对同时间窗口内的外部干扰仍需其他方法处理。

十三、方法九：反射强度、空间一致性和时间一致性过滤

即使前端收到了干扰信号，后端算法仍然可以通过点云特征进行过滤。

常见判断依据包括：

• 反射强度是否异常；

• 点是否孤立；

• 是否与周围点连续；

• 是否在多帧中稳定存在；

• 是否符合物体几何形状；

• 是否符合运动规律；

• 是否与地图或地面模型一致；

• 是否与其他传感器一致。

例如，一个真实障碍物通常会在空间上形成连续点云，并在多帧中稳定存在。

而干扰点常常表现为：

因此，可以使用：

• 半径滤波；

• 统计滤波；

• 时序滤波；

• 多帧融合；

• 聚类过滤；

• 地面模型约束；

• 目标跟踪一致性；

• 反射强度阈值；

• 异常点剔除。

优点：

• 不需要修改硬件；

• 可在软件层面实现；

• 对已有系统友好；

• 能同时处理多种噪声。

缺点：

• 无法从根本上消除干扰；

• 强干扰下效果有限；

• 可能误删真实小目标；

• 增加算法复杂度和延迟。

十四、方法十：多传感器融合，提高系统鲁棒性

激光雷达不应该孤立工作。

在高可靠系统中，通常会融合其他传感器：

• 摄像头；

• 毫米波雷达；

• IMU；

• GNSS/RTK；

• 超声波；

• UWB；

• 地图数据；

• 轮速计。

如果激光雷达突然检测到一个异常障碍物，但摄像头、毫米波雷达、历史轨迹和地图都不支持这个结果，系统可以降低其可信度。

例如：

多传感器融合不是为了让某个传感器替代另一个，而是提高整体可靠性。

优点：

• 提高系统容错能力；

• 降低单传感器误判；

• 适合安全关键场景；

• 可兼顾语义、距离和速度。

缺点：

• 成本更高；

• 标定复杂；

• 时间同步要求高；

• 融合算法复杂；

• 维护难度增加。

十五、不同类型激光雷达的抗干扰思路

1. 机械旋转式激光雷达

常见措施：

• 相位锁定；

• 扫描角错开；

• 多雷达时间同步；

• 点云时序滤波；

• 异常点剔除；

• 合理安装角度。

这类雷达在机器人和无人车中常见，多雷达系统要重点关注相位和扫描区域重叠。

2. 固态激光雷达

固态激光雷达通常没有传统旋转结构，可能采用MEMS、OPA、Flash等方案。

常见措施：

• 编码发射；

• 随机化发射；

• 接收门控；

• 光学滤波；

• 空间滤波；

• 多帧一致性检测。

其中Flash LiDAR由于一次照射较大区域，接收视场较大，对外部光干扰可能更敏感，因此更需要编码、随机化和统计处理。

3. 线激光和工业激光测量

工业线激光通常工作在固定工位，互扰问题主要来自：

• 多个激光头同时工作；

• 反光材料；

• 镜面反射；

• 外部强光；

• 多台设备投射线重叠。

常见措施：

• 错开投射方向；

• 错开波长；

• 使用窄带滤光片；

• 避免光路重叠；

• 使用遮光结构；

• 采用触发同步；

• 工位间隔离。

工业场景通常可控，因此从光路、时序和机械结构上解决最有效。

十六、工程部署中的抗干扰设计流程

如果要设计一个多激光雷达系统，可以按下面步骤执行。

第一步：分析雷达数量和安装关系

先明确：

• 有几台激光雷达；

• 分别安装在哪里；

• 扫描方向是什么；

• 视场是否重叠；

• 是否会正面对射；

• 是否存在强反射物体；

• 是否有外部雷达靠近。

第二步：优先从物理安装上降低风险

先调整：

• 安装高度；

• 安装角度；

• 扫描方向；

• 雷达间距；

• 遮光结构；

• 视场覆盖范围。

物理层解决不了的问题，再用同步和算法解决。

第三步：配置时间同步和相位偏移

多颗旋转式雷达建议配置：

• PTP或PPS时间同步；

• 帧时间同步；

• 相位锁定；

• 扫描角度偏移；

• 不同雷达扫描起点错开。

这样既有利于融合，也有利于减少互照。

第四步：选择具备抗干扰能力的雷达

选型时重点关注：

• 是否支持相位锁定；

• 是否支持外部同步；

• 是否支持多雷达配置；

• 是否有干扰检测能力；

• 是否有编码或随机化机制；

• 是否支持强光抑制；

• 是否提供反射强度和置信度；

• 是否有异常点过滤功能；

• 厂商是否提供多雷达部署建议。

不要只看测距范围和点频。

第五步：软件层做异常点过滤

在点云处理流程中加入：

对于安全关键系统，不建议直接相信单帧孤立点。

第六步：与其他传感器交叉验证

尤其是自动驾驶、无人叉车和机器人，应结合：

• 摄像头；

• 毫米波雷达；

• 超声波；

• IMU；

• 地图；

• 轮速计。

用多源信息判断目标是否真实存在。

十七、不同应用场景的推荐策略

1. 仓储AGV和AMR

推荐策略：

仓库中机器人多、通道窄，重点是避免设备近距离正面对射。

2. 无人叉车

推荐策略：

无人叉车既要检测人，也要检测托盘、货架和货叉，传感器布局很重要。

3. 自动驾驶车辆

推荐策略：

自动驾驶场景未来会面对大量外部雷达，不能只依赖协同同步。

4. 智慧交通路侧感知

推荐策略：

路侧设备是固定安装，物理布局和统一同步比较容易实现。

5. 工业线激光测量

推荐策略：

工业场景应优先从光源、光路和工位结构上控制干扰。

十八、常见误区

误区一：激光雷达不会互相干扰

错误。

只要多台激光雷达在同一空间内工作，就存在互扰可能。尤其是同波长、同类型、近距离、多设备密集部署时，互扰风险更高。

误区二：只要换高端雷达就不会干扰

不一定。

高端雷达通常抗干扰能力更强，但仍然要看具体技术路线、安装方式、同步策略和应用环境。

误区三：只靠软件滤波就能解决所有干扰

不现实。

软件滤波可以清理部分异常点，但如果前端光学干扰很强，后端算法也会很困难。

正确思路是：

误区四：多雷达视场越重叠越安全

不一定。

视场重叠有助于冗余感知，但也会增加互扰概率和数据融合复杂度。

需要根据任务合理设计重叠区域。

误区五：同步只是为了时间戳准确

同步不仅是为了数据融合，也是为了控制扫描相位、错开发射和减少互扰。

多雷达系统一定要重视时间同步和相位管理。

十九、推荐抗干扰措施汇总表

二十、总结：抗干扰不是单一技术，而是系统工程

激光雷达相互干扰的本质，是一台雷达接收到了另一台雷达的光信号，并误认为是自己的有效回波。

它可能带来：

• 点云噪声；

• 虚假障碍物；

• 测距错误；

• 点云缺失；

• 目标误判；

• 机器人或车辆误动作。

解决激光雷达互扰，不能只靠某一个算法，而要从系统角度综合设计：

对于工程项目来说，最实用的原则是：

1. 能通过安装角度避免的，不要交给算法；

2. 能通过时间同步解决的，不要只靠后处理；

3. 能通过编码识别自家信号的，抗干扰能力会更强；

4. 能用多传感器交叉验证的，系统可靠性更高；

5. 不要只看雷达点频和测距范围，还要看抗干扰能力；

6. 多雷达系统一定要做真实场景测试。

未来，随着自动驾驶车辆、机器人和智慧交通设备越来越密集，激光雷达互扰问题会越来越重要。

真正成熟的激光感知系统，不只是“看得远、点云密”，还要在多设备、强干扰、复杂环境中保持稳定、可靠、可解释。

激光雷达抗干扰，本质上是一项系统工程能力。

文章转载自公众号：开源快乐