抗振设计与振动滤波

1. 引言

1.1 背景

激光雷达（LiDAR）技术通过发射激光束并测量其反射回波，能够精确获取环境的三维空间信息，已成为现代众多关键应用领域的核心传感器。其应用范围广泛，涵盖自动驾驶汽车、移动机器人、航空测绘、工业自动化以及智慧城市基础设施等多个方面。随着技术的不断发展，将 LiDAR 部署到超出理想实验室条件的复杂甚至极端恶劣工作环境中的需求日益增长。

1.2 问题陈述

然而，在实际应用中，LiDAR 系统常常面临极端振动和冲击等恶劣工作环境的挑战。这些严苛的物理条件会对 LiDAR 传感器的性能、数据质量乃至自身结构产生显著的负面影响。具体而言，振动和冲击可能导致：

• 机械故障与寿命缩减： 持续的振动或突然的冲击可能损坏传感器内部的精密光学和机械部件，缩短其使用寿命。
• 测量精度下降： 振动会导致 LiDAR 扫描过程中的位姿抖动，使得采集到的点云数据出现几何畸变（运动畸变或扭曲）、噪声增加、点位精度降低等问题。这种点云质量的下降会严重影响后续处理任务（如建图、定位、目标检测）的准确性。
• 系统可靠性降低： 在高振动/冲击环境下，LiDAR 系统的整体可靠性面临严峻考验，可能导致数据中断或系统失效。

这些问题在特定应用场景中尤为突出，例如在崎岖路面行驶的越野车辆、重型工业机械、无人机等空中平台 以及空间探测任务 中，LiDAR 都必须承受显著的振动和冲击载荷。

1.3 目标

本报告旨在对缓解振动与冲击对 LiDAR 系统影响的策略进行全面的文献综述。主要目标包括：

1. 回顾并比较 LiDAR 本体之外的外部减震与增稳策略，重点关注被动阻尼技术（如利用空气、液压、电磁、弹簧、粘弹性材料、颗粒阻尼等）和主动云台稳定系统（如基于惯性测量单元 IMU 和编码器补偿的技术）。分析这些策略的技术可行性、优缺点及适用场景。
2. 探讨在振动环境下优化 LiDAR 点云数据质量的方法，特别是针对振动引起的点云畸变和噪声的处理技术。

1.4 范围

本报告的范围界定如下：

• 重点关注 LiDAR 传感器外部的机械或机电稳定策略，而非传感器内部的结构设计优化。
• 在数据优化方面，重点关注旨在修正或滤除由振动引起的点云数据伪影（如运动畸变、噪声）的软件或算法层面的方法。
• 比较分析基于公开可获取的技术规格书和文献资料。

1.5 报告结构

本报告将按照以下结构展开：第二部分详细介绍用于 LiDAR 集成的被动振动阻尼策略；第三部分探讨基于主动云台的稳定技术；第四部分讨论振动环境下 LiDAR 点云数据的优化方法；第五部分总结不同减震技术路线的优缺点；最后，第六部分对全文进行总结并提出建议。

2. LiDAR 集成的被动振动阻尼策略

被动振动隔离与阻尼技术旨在利用材料特性和机械结构来吸收或耗散振动能量，从而减少振动传递到敏感设备（如 LiDAR 传感器），而无需外部能源输入或主动控制系统。

2.1 被动振动隔离基础

• 原理： 被动隔离的核心思想是利用材料和机械连杆来吸收和阻尼机械波。一个典型的被动隔离系统可以简化为包含质量（LiDAR）、弹簧和阻尼元件的谐振子模型。系统的质量和弹簧刚度决定了其固有频率（Natural Frequency）。当外部振动频率远高于系统的固有频率时，振动传递会被显著削弱，从而实现隔离效果。
• 主要机制与元件：
• 弹性材料： 橡胶、氯丁橡胶、软木、高密度泡沫等柔性材料垫片或板材，通过材料本身的弹性变形和内部摩擦来吸收和耗散振动能量。
• 机械弹簧： 金属弹簧（螺旋弹簧、板簧等）利用其弹性变形存储和释放能量，常与阻尼器配合使用以控制共振峰值。
• 气动隔离器： 压缩空气气囊或气罐，利用空气的可压缩性提供低刚度支撑和隔振。大型卡车中使用的空气弹簧即为此类。
• 粘弹性阻尼： 利用粘弹性材料（如特殊阻尼胶带）在变形过程中产生的滞后效应耗散能量。
• 颗粒阻尼： 将金属或陶瓷颗粒填充到结构空腔内，通过颗粒间的碰撞和摩擦耗散振动能量。
• 其他： 还包括钢丝绳隔振器、调谐质量阻尼器（Tuned Mass Damper, TMD）、基础隔震器等，用于特定应用场景。
• 关键选择因素： 选择合适的被动隔振器需要考虑多个因素，包括被隔离物体（LiDAR）的尺寸、重量、内部运动部件特性；工作环境（温度、湿度、化学腐蚀、洁净度要求）；成本预算；维护需求；安装空间限制；以及需要隔离的振动特性（频率、幅值、方向）等。
• 优缺点概述：
• 优点： 结构简单、成本相对较低、无需外部供能、固有稳定性好（无控制系统失稳风险）。
• 缺点： 性能受限，尤其对低频振动隔离效果较差（除非固有频率做得非常低，但这可能导致较大的静态位移）；对频率变化敏感，如 TMD 仅对窄带频率有效；性能可能受环境因素（如温度）影响；效果依赖于精确的系统建模和参数匹配。

被动系统以其简单性和固有的稳定性 成为一种有吸引力的基础解决方案。然而，它们的有效性与频率相关，并且可能受到限制，特别是在处理复杂的振动剖面或需要精确指向的应用中，这可能需要增强或采用主动解决方案。被动系统通过创建一个具有特定固有频率的系统来工作，隔离高于此频率的振动。这既简单又可靠。然而，它们会放大接近固有频率的振动，并且在非常低的频率下性能会下降。此外，像调谐质量阻尼器这样的设计仅对窄频带有效，并且依赖于精确的系统建模。这意味着虽然被动解决方案适用于已知、相对稳定的振动源，但它们可能难以应对宽带、不可预测的振动，或者需要非常低的固有频率（这可能导致大的静态变形）才能有效隔离低频振动，从而推动了对更高性能需求的主动解决方案的研究。

2.2 深入探讨：粘弹性阻尼

• 机理： 粘弹性材料（如特种阻尼胶带、橡胶弹性体）在受到交变应力时，其应变响应会滞后于应力，形成滞回环。这个过程中，一部分机械能转化为热能而被耗散掉，从而起到阻尼减振的作用。在层状结构中，粘弹性层在相邻结构层发生相对剪切变形时，通过剪切滑移和分子链间的内摩擦耗散能量。
• 层状结构： 为了提高阻尼效率，常采用多层阻尼结构，例如约束层阻尼（Constrained Layer Damping, CLD）。一种为卫星太阳帆板设计的方案采用了超弹性形状记忆合金（SMA）板、粘弹性胶带和 FR4 薄板组成的多层结构。粘弹性胶带被约束在结构层（SMA 板和 FR4 板）之间。当结构弯曲时，约束层迫使粘弹性层发生剪切变形，从而有效地耗散振动能量。这种层状设计即使在相对较小的变形下也能实现有效的阻尼。
• 环境因素考量： 粘弹性材料的阻尼性能（如损耗因子）通常对温度非常敏感。在极端温度变化的环境（如太空或某些工业/车载环境）中，这可能导致阻尼效果显著下降或失效。此外，在真空环境下可能存在出气（Outgassing）问题，材料也可能发生蠕变（Creep），影响尺寸稳定性；其较低的比刚度和强度也限制了其在承载结构中的直接应用。为了在恶劣环境中保持最佳性能，可能需要进行复杂的热设计，例如使用多层隔热（MLI）材料或加热器来维持粘弹性材料的工作温度在最佳范围内。

粘弹性阻尼虽然有效，但对环境因素，特别是温度，高度敏感。这要求在极端温度范围的应用中进行仔细的材料选择，并可能需要复杂的热管理，从而增加了系统复杂性，并可能抵消被动阻尼固有的简单性。粘弹性材料通过内部摩擦有效耗散能量，层状设计增强了这一点。然而，它们的特性（阻尼损耗因子）已知会随温度显著变化。对于太空 或潜在的极端工业/汽车环境 等应用，这种温度依赖性是一个主要挑战。热控制（MLI、加热器）的需求增加了复杂性、功耗和潜在的故障点，削弱了“被动”优势。这表明，除非增加的热控制复杂性是可接受的，否则粘弹性解决方案最适合温度相对稳定和适中的环境。

2.3 深入探讨：颗粒阻尼

• 机理： 非约束性颗粒阻尼（Non-Obstructive Particle Damping, NOPD）是一种将颗粒状材料（如金属、陶瓷、粉末甚至液体颗粒）放置在结构空腔内或通过适当方式附着在结构上的被动阻尼技术。当主体结构振动时，动量传递给颗粒，引起颗粒之间以及颗粒与容器壁之间的非弹性碰撞和摩擦，从而将振动能量转化为热能耗散掉。研究表明，在高填充率下，由应变梯度引起的剪切摩擦也是重要的阻尼机制。

• 恶劣环境下的优势：

颗粒阻尼在恶劣环境下展现出显著优势：

• 温度不敏感性： 与粘弹性材料相比，选用合适的颗粒材料（如金属或陶瓷），颗粒阻尼器对环境温度的变化相对不敏感。这使其非常适合高温或宽温度范围的应用。

• 化学稳定性： 对化学污染不敏感，可在腐蚀性环境中使用。

• 宽频有效性： 能够在较宽的频率范围内提供阻尼效果。

• 耐久性与长寿命： 颗粒本身不易磨损或老化，阻尼性能随时间衰减小。

• 多向性： 可同时对多个方向的振动产生阻尼作用。

• 低附加质量： 设计得当时，可以实现有效的阻尼而仅增加较小的附加质量。

• 设计挑战： 颗粒阻尼的效果受多种因素影响，包括颗粒的材料、形状、尺寸、密度、填充率（颗粒体积与空腔体积之比）、容器形状以及振动幅值和频率等。其能量耗散机理高度非线性，精确的理论建模和性能预测仍然是一个挑战。因此，优化设计往往需要结合经验、数值模拟（如离散元方法）和实验测试。

• 应用实例： 颗粒阻尼已应用于航空航天部件（如涡轮叶片、卫星结构）、汽车零部件（发动机油底壳、齿轮箱）、机械工具、土木工程（建筑隔震）等领域。

颗粒阻尼因其固有的鲁棒性，特别是温度不敏感性，成为恶劣环境下一种极具潜力的被动技术。然而，其阻尼机制的复杂非线性特性 使得预测性建模和设计优化具有挑战性，可能比其他被动方法需要更多的经验性调整。其反复被引用的关键优势是对恶劣条件，尤其是温度的鲁棒性。这直接解决了粘弹性阻尼器的一个主要限制。该机制涉及复杂的颗粒相互作用（碰撞、摩擦、剪切）。文献指出，性能在很大程度上取决于众多因素，并且设计过程仍然具有挑战性。这意味着存在一个权衡：在极端条件下具有高鲁棒性阻尼的巨大潜力，但与行为可能对特定材料有更好表征的更成熟方法（如粘弹性阻尼）相比，实现最佳性能可能需要大量的开发工作（模拟、实验）。

2.4 其他被动方法简述

• 气动（空气）隔振器： 利用气囊或气罐中的压缩空气作为弹性元件。可以提供非常低的固有频率，实现良好的低频隔振效果。但需要持续的气源供应，且存在漏气风险，维护相对复杂。
• 液压阻尼器： 利用液体流过节流孔时的粘性阻力来耗散能量，类似于汽车的减震器。能够提供较大的阻尼力，有效抑制共振。但可能会降低高频隔振性能，且存在液体泄漏和维护问题。
• 弹簧隔振器： 使用各种形式的金属弹簧作为主要弹性元件。结构简单、承载能力强、性能稳定。通常需要配合阻尼元件使用，以控制共振放大。其性能取决于弹簧刚度和阻尼系数的选择。

2.5 应用案例：无人机载 LiDAR 被动减震装置 (专利 CN110683063A)

• 系统描述： 该专利公开了一种专为大型负载无人机（UAV）设计的激光雷达被动减震装置。该装置旨在解决无人机在工作过程中承受较大振动响应，并将振动传递给所搭载的 LiDAR 等负载的问题。其结构采用悬挂式设计，包括无人机支架、固定吊环、连接柱、连接板、橡胶减震器和负载安装板。
• 核心部件： 多个连接柱通过固定吊环将无人机支架与负载安装板连接起来，而在连接柱与负载安装板之间设置了橡胶减震器，作为主要的减震元件。LiDAR 安装在负载安装板上。
• 预期效益： 该装置的主要目的是减弱传递到 LiDAR 上的振动响应，从而提高 LiDAR 的工作性能和可靠性。同时，其悬挂结构据称可提供较大的负载安装空间，并便于拆装。

这项专利 展示了将基本的被动阻尼原理（弹性吸振器用于悬挂配置）专门应用于无人机载 LiDAR 的实际案例，突显了在该领域对专用解决方案的需求。无人机是固有的振动平台。携带重型 LiDAR 的大型无人机 面临着显著的振动挑战。该专利 提出了一种使用常见组件（橡胶吸振器）的直接被动解决方案。这表明即使是简单的被动隔离也被认为对于提高无人机上 LiDAR 的性能是有价值的。它作为一个具体的例子，将前面讨论的一般原则 应用于特定的问题背景。

2.6 被动方法分析总结

• 技术可行性： 大多数被动减震技术基于成熟的机械原理，技术可行性高。但颗粒阻尼等方法的优化设计相对复杂。
• 优点： 结构相对简单，无需额外供能，固有稳定性好，成本通常低于主动系统。特定方法（如颗粒阻尼）对恶劣环境具有良好的适应性。
• 缺点： 减震性能有限，尤其对于低频、宽带或非平稳振动效果不佳。性能可能受环境因素（如温度对粘弹性材料的影响）制约。效果依赖于精确的系统建模和参数调谐。对于需要低固有频率的设计，可能导致系统过于笨重或静态位移过大。
• 适用场景： 适用于振动特性相对稳定、可预测的环境；对成本、功耗、简单性要求较高的应用；作为对 LiDAR 敏感度要求不高的基础隔振措施；或作为混合减震系统的一部分。颗粒阻尼特别适用于极端温度或恶劣化学环境。

3. 基于主动云台的稳定策略

当被动减震策略无法满足高性能应用的需求时，主动稳定系统，特别是基于云台的技术，提供了更有效的解决方案，尤其是在抑制角向运动方面。

3.1 主动云台稳定基础

• 目的： 主动云台（Gimbal）是一种机电设备，其主要目的是通过主动补偿不必要的运动和振动，使搭载的有效载荷（如 LiDAR 传感器）相对于惯性空间或期望方向保持稳定。这有助于提高获取数据的质量（如点云精度、图像清晰度）和目标跟踪的准确性。
• 核心组件：
• 云台结构： 通常由两个或三个相互正交的旋转轴组成（两轴云台稳定俯仰和横滚，三轴云台稳定俯仰、横滚和偏航）。
• 驱动器/电机： 用于驱动云台各轴旋转，以补偿不必要的运动。可以是直接驱动电机或带减速器的电机。
• 传感器：
• 惯性测量单元 (IMU)： 核心传感器，通常安装在有效载荷或云台内环上，用于测量载荷的角速率和（或）姿态角变化。
• 编码器 (Encoder)： 安装在电机轴或云台轴上，用于精确测量各轴的实际转动角度，提供高分辨率的位置反馈。
• 控制单元： 接收来自 IMU 和编码器的信号，运行控制算法（如 PID 控制器），计算并输出指令给电机驱动器，以实现闭环稳定控制。
• 工作原理： 主动云台构成一个闭环反馈控制系统。IMU 实时检测载荷相对于惯性空间的角运动（即不期望的抖动）。控制单元根据 IMU 数据计算出需要补偿的角度偏差。然后，控制器向电机发出指令，驱动云台各轴向相反方向转动，从而抵消载荷的抖动，使其保持稳定。编码器提供精确的轴角反馈，有助于提高控制精度和响应速度。
• 与被动隔离的区别： 需要明确的是，云台主要解决的是角向运动稳定问题（姿态稳定），而被动隔离系统更多地用于抑制线性振动。一些先进的云台系统也会集成被动隔振元件，以同时处理线性和角向振动。

3.2 IMU 与编码器在运动补偿中的作用

• IMU (惯性测量单元)： IMU 是主动稳定的“眼睛”，它感知需要被补偿的运动。通常包含三轴陀螺仪和三轴加速度计，能够测量载荷的角速率和线性加速度。通过数据融合算法（如卡尔曼滤波、姿态航向参考系统 AHRS），可以估计出载荷相对于惯性空间的姿态。IMU 的精度（如偏航角精度）、噪声水平和更新率直接决定了云台能够感知的最小抖动和能够响应的最高频率，从而影响最终的稳定性能。
• 编码器 (Encoder)： 编码器提供了关于云台各轴实际转动位置的高精度反馈信号。这使得控制器能够更精确地控制电机转动到目标角度，减少超调和振荡，实现更快的响应速度和更高的稳定精度。编码器反馈对于克服电机非线性、齿隙（对于齿轮驱动）等因素的影响至关重要。一些商用云台明确将编码器作为提升性能的关键技术，例如 的一些高端云台也集成了高分辨率编码器。
• 传感器融合： 在高性能系统中，通常需要将 IMU 数据与来自其他传感器的信息（如 GNSS、LiDAR 自身数据 或编码器反馈）进行融合。卡尔曼滤波器是实现这种融合以获得精确姿态和位置估计的常用工具，这些估计是稳定控制指令的基础。

主动云台的性能根本上受限于其传感器反馈（IMU、编码器）的质量和速度，以及其控制回路和执行器的带宽。高精度 IMU 和高分辨率编码器 对于实现高性能稳定至关重要，尤其是在对抗高频振动时。主动稳定通过测量不期望的运动并主动抵消它来实现。测量的准确性取决于 IMU。抵消的准确性取决于控制回路、电机性能和编码器的反馈。高频振动需要快速准确的测量（高速率、低噪声 IMU）和快速精确的驱动（高带宽电机和控制、精确的编码器反馈）。因此，这些核心组件的质量直接决定了云台稳定能力的上限。

3.3 云台技术的发展与类型

云台稳定技术经历了数代发展，主要区别在于稳定原理和驱动方式：

• 第一代 (基于被动陀螺)： 利用大型机械陀螺的角动量产生惯性，被动地维持平台稳定，伺服系统根据陀螺进动进行补偿。稳定性极高，但结构复杂笨重。
• 第二代 (基于主动速率传感器)： 使用小型速率陀螺感知角速率，通过电机主动驱动各轴进行稳定。结构更简单轻便，转向性能更好，但早期稳定性不如第一代，带宽受结构和驱动器限制。
• 第三代 (主动跟随，内/外环结构)： 结合了高带宽、小行程的内环云台（用于精细稳定和快速转向）和低带宽、大行程的外环云台（用于粗略指向）。内环通常采用直接驱动，外环采用齿轮驱动。使用光纤陀螺（FOG）可显著提升性能。带宽仍受内环结构限制。
• 第四代 (无约束驱动器，基于 FOG IMU)： 采用先进设计，如将驱动力矩直接施加到相机基板而非通过约束结构传递，配合高性能 FOG IMU。实现了非常高的稳定带宽，性能瓶颈转移到载荷本身的结构刚度。
• 现代集成系统： 当前市场上出现了许多高度集成的 LiDAR-云台系统，例如大疆的 或 公司提供的多种云台产品。这些系统将 LiDAR（有时还包括相机）、高精度 IMU 和三轴云台集成在一起，提供即插即用的解决方案。

3.4 主动云台分析总结

• 技术可行性： 主动云台技术非常成熟，已有大量商业化产品可供选择。系统集成的复杂性取决于具体方案。
• 优点： 能够实现非常高的稳定性能，特别是对角向运动的抑制效果远超被动方法；能够补偿宽频带的运动；具备主动指向和跟踪能力；可实现实时校正。
• 缺点： 需要消耗能量；系统复杂度、成本和重量通常高于被动系统；存在控制系统失稳的可能性；性能受传感器精度、控制带宽和执行器能力的限制；主要解决角向稳定问题，对线性振动的抑制能力有限。
• 适用场景： 对指向稳定性要求极高的应用（如航空测绘、监视侦察）；存在显著角运动的平台（如无人机、机器人）；被动隔离效果不足以满足要求的场合。

与被动方法相比，主动云台提供了卓越的角向稳定性能，但引入了复杂性和功耗要求。集成式 LiDAR-IMU-云台系统的发展趋势简化了部署，但可能导致供应商锁定，并使组件级优化更加困难。云台使用传感器和电机主动抵消角向运动，实现了比被动系统更好的性能，但需要付出功耗、复杂性和价格的代价。这类集成解决方案通过预先集成 LiDAR、IMU 和云台提供了便利，但也意味着用户依赖于供应商选择的特定性能特征和限制（例如 IMU 质量、控制算法），与从分立组件构建系统相比，可能限制了针对特定振动剖面的定制或优化。

4. 振动环境下 LiDAR 点云数据质量优化

即使 LiDAR 传感器本身具有一定的抗振能力，并且采用了外部减震或稳定措施，振动仍然可能对输出的点云数据质量产生不利影响。因此，在数据处理层面进行优化是确保最终应用性能的关键环节。

4.1 振动引起的点云伪影特征

振动环境下的 LiDAR 数据通常会表现出以下特征性问题：

• 运动畸变/扭曲 (Motion Distortion/Skewing): 这是最主要的问题之一，尤其对于旋转式机械 LiDAR。由于 LiDAR 在扫描一帧数据的过程中（例如旋转 360 度）自身在不断运动（包括不期望的振动），导致在不同时刻采集到的点云数据实际上对应着传感器在不同位置和姿态下的观测。当这些点被投影到同一个坐标系下时，就会产生几何形状的扭曲。例如，原本笔直的墙面可能呈现出波浪状或锯齿状。平台的剧烈运动会加剧这种畸变。
• 噪声 (Noise): 点云噪声是指数据中存在的异常点，包括离群点（Outliers）、鬼影点（Ghost Points）、测量距离或强度值不准确的点等。除了传感器本身的限制、环境因素（如强反射表面、雨雪天气）外，振动也可能引入噪声。例如，振动可能导致光路对准偏差或内部组件的微小位移，从而影响测距精度或产生错误的反射读数。振动还可能导致扫描光束指向不稳定，使得物体边缘变得模糊或产生重复点。此外，振动引起的点云畸变本身也可能被后续算法误判为噪声。
• 影响： 这些由振动引起的点云质量下降问题，会直接影响下游应用的性能和精度，例如导致建图模糊或错误，定位漂移或失败，目标检测漏检或错检，以及特征提取困难或不准确。

4.2 运动补偿与去畸变算法

运动补偿（或称去畸变、Deskewing）的目标是消除由于传感器自身运动（包括振动）在扫描期间造成的点云几何扭曲。

• 核心思想： 通过估计 LiDAR 在扫描一帧期间的精确运动轨迹，将每个采集到的点或点集从其各自的采集时刻坐标系转换到该帧数据的一个统一的参考坐标系（通常是该帧扫描开始或结束时刻的坐标系），从而“撤销”运动带来的畸变。

• IMU 的作用： 高频（通常数百 Hz）的 IMU 数据对于估计 LiDAR 在扫描期间（通常 10-20Hz）的连续位姿至关重要。IMU 提供了必要的运动信息（角速度和线加速度），通过积分可以推算出扫描过程中任意时刻的相对位姿。

• 插值方法： 简单且常用的方法是假设 LiDAR 在短时间内（如两次 IMU 读数之间或一帧扫描内）做匀速或匀加速运动，然后通过线性插值 或更平滑的插值方法（如四元数球面线性插值 Slerp）来估计每个激光点发射时刻的传感器位姿。

• 连续时间方法： 更先进的方法将传感器的运动轨迹建模为时间的连续函数，例如使用 B 样条曲线 或高斯过程。这种方法能够更精确地描述非线性运动和高动态变化，从而实现更准确的畸变校正。查询任意时刻的位姿成为可能。

• 具体算法/框架： 许多 LiDAR 里程计或 SLAM 框架都集成了基于 IMU 的去畸变模块，例如经典的 LOAM 及其变种 LeGO-LOAM，以及紧耦合的 LIO-SAM 和 FAST-LIO。LIO-SAM 明确要求点云数据提供精确的时间戳和线束（ring）信息以进行去畸变处理。也有研究利用 LiDAR 自身的里程计信息来估计运动并进行补偿。

• 挑战：

实现精确去畸变的关键挑战在于：

• 传感器标定： 需要精确的 LiDAR 与 IMU 之间的外部参数（旋转和平移）。
• 时间同步： LiDAR 点云数据和 IMU 数据需要精确的时间同步。
• IMU 质量： IMU 的噪声、零偏稳定性以及数据更新率直接影响运动估计的精度。低成本 IMU 的误差累积问题尤为突出。
• IMU 饱和： 在剧烈振动或冲击下，IMU 可能达到其量程上限而饱和，导致数据失真。

实时、准确的去畸变对于在移动平台（尤其是在振动条件下）上实现高保真度的 LiDAR 感知至关重要。虽然 IMU 集成是标准方法，但其准确性关键取决于传感器质量、标定精度 以及所使用的运动模型的复杂程度（线性插值 vs. 连续时间）。在计算成本和校正精度之间存在权衡。振动会导致运动畸变。IMU 测量运动。融合它们可以进行校正。简单方法使用插值。更复杂的方法使用连续时间模型。IMU 的质量 及其集成的准确性（标定、时间同步）是关键的限制因素。因此，仅仅添加一个 IMU 是不够的；需要高质量的传感器、精确的标定和适当的运动建模算法才能有效去畸变，特别是对于高频振动。这表明紧耦合的 LIO 系统 在高动态场景中可能比松耦合系统或仅 LiDAR 里程计 提供更好的结果。

4.3 点云滤波技术以降低噪声

点云滤波旨在去除数据中的噪声点（如离群点、环境噪声、传感器误差等），以提高数据质量，并提升下游处理算法的效率和鲁棒性。

• 统计学方法：
• 统计离群点去除 (Statistical Outlier Removal, SOR): 计算每个点与其邻域内点的距离分布，去除距离均值超过一定标准差阈值的点。
• 半径离群点去除 (Radius Outlier Removal, ROR): 检查每个点指定半径范围内的邻居数量，如果邻居数量少于设定阈值，则将其视为噪声点去除。
• 局限性： 这些方法主要针对稀疏的离群点。对于由反射或振动产生的密集噪声区域效果不佳。同时，由于 LiDAR 点云密度随距离变化，固定参数的 SOR/ROR 可能误删远处稀疏的有效点或保留近处密集的噪声点。
• 基于投影的方法：
• 将三维点云投影到二维空间（如距离图像、鸟瞰图 (BEV)、极坐标栅格）进行处理，可以降低计算复杂度，并利用二维图像处理技术。
• 例如，基于切片的投影滤波（SPF）将点云投影到极坐标，在每个“切片”内进行分类和滤波。垂直投影到极坐标栅格后，可以通过分析扇形区域内的点密度来识别和去除低密度噪声区域。
• 基于模型的方法：
• 利用几何先验知识，如地面通常是平面。通过 RANSAC 等算法拟合地面平面，并将属于地面的点移除，从而分离出潜在的障碍物点。
• 基于强度信息的方法：
• 利用 LiDAR 返回的反射强度值。例如，雪花或雨滴通常具有较低的反射强度，可以通过强度阈值进行滤除。玻璃等透明或高反射表面的反射特性也可用于检测其边界。
• 高级滤波方法：
• 机器学习方法： 如使用人工神经网络（ANN）动态适应道路坡度变化以改进背景滤波。
• 引导滤波 (Guided Filter): 利用一个引导图像（可以是原始点云或其他信息）来指导滤波过程，以在平滑噪声的同时保持边缘等重要特征。
• 形态学滤波: 基于数学形态学操作（如膨胀、腐蚀）来移除特定形状或尺寸的噪声结构。
• 针对性滤波: 如有研究提出结合改进的高斯-拉普拉斯滤波器和自适应局部特征分析，专门用于补偿振动引起的点云误差。

标准的离群点去除滤波器（SOR、ROR） 可能不足以处理振动引起的噪声，如果噪声是密集的或结构化的。结合几何分析（投影、地面分割）与可能的强度信息 或更高级的自适应滤波器 的技术，可能需要更具体地针对振动伪影，同时保留有用的数据。振动可能导致复杂的伪影，而不仅仅是稀疏的离群点。像 SOR/ROR 这样的基本滤波器 主要针对基于局部密度的稀疏噪声。如果振动导致坏点集群或系统性失真，这些滤波器可能会失效。分析更大结构（如地面平面）或使用不同数据模态（强度）或适应局部特征 的方法似乎更有希望处理非随机、振动引起的噪声模式。这表明需要超越简单的统计离群点去除的上下文感知或自适应滤波。

4.4 传感器融合与卡尔曼滤波的作用

• 多传感器融合： 再次强调，将 LiDAR 与 IMU 融合对于运动估计和去畸变至关重要。此外，与其他传感器（如 GNSS、相机、轮式里程计 或雷达）的融合可以进一步提高系统的鲁棒性和精度，尤其是在单一传感器可能失效或精度下降的场景下。
• 卡尔曼滤波器 (EKF, iEKF): 卡尔曼滤波器，特别是扩展卡尔曼滤波器（EKF）及其迭代版本（iEKF），是实时融合多种传感器数据（LiDAR、IMU、GNSS 等）以进行状态估计（位姿、速度、传感器偏置等）的常用且有效的框架。许多成功的 LIO 系统（如 FAST-LIO、R-LINS）都采用了 EKF。卡尔曼滤波器能够有效地处理传感器噪声和不确定性，并根据新的测量值递归地更新状态估计。
• 基于优化的方法 (因子图): 与卡尔曼滤波不同，基于优化的方法（通常使用因子图 Factor Graph）在一定时间窗口内或整个轨迹上联合优化所有位姿和传感器测量值（例如 LIO-SAM）。这类方法通常能达到更高的精度，但计算量可能更大，实时性可能不如滤波器方法。
• 作用总结： 传感器融合，特别是通过卡尔曼滤波器实现的紧耦合融合，为振动环境下的 LiDAR 提供了必要的实时、高精度运动估计能力，这是进行有效运动补偿（去畸变）和精确数据处理的基础。

卡尔曼滤波 提供了一个鲁棒且广泛使用的框架，用于实时融合 LiDAR 和 IMU 数据，从而实现振动补偿（去畸变）所需的状态估计。虽然基于优化的方法 可能提供更高的精度，但基于 EKF 的方法通常在性能和计算效率之间提供了良好的平衡，适合实时应用。去畸变需要准确的实时姿态估计。传感器融合结合来自多个传感器（LiDAR、IMU）的数据来实现这一点。卡尔曼滤波器（EKF）是状态估计和传感器融合的标准递归技术。许多成功的 LIO 系统使用 EKF。优化方法（因子图）作为替代方案存在。KF 通常被认为比批处理优化计算量更轻，使其非常适合实时实现，这对于与 LiDAR 同时运行的振动补偿通常至关重要。

4.5 数据优化分析总结

• 必要性： 当传感器的固有鲁棒性或外部稳定措施不足或不可用时，在数据层面进行振动补偿（去畸变、滤波）至关重要。
• 关键技术： 基于 IMU 的去畸变是基础。滤波用于去除残余噪声和伪影。
• 权衡： 存在精度与计算成本之间的权衡（例如，线性插值 vs. 连续时间模型；基础滤波器 vs. 自适应/机器学习滤波器）。效果严重依赖于传感器质量和标定精度。
• 协同作用： 基于软件的数据处理方法是对硬件解决方案（固有可靠性、外部阻尼/稳定）的有效补充，共同保障最终数据质量。

5. 不同减震技术路线的优缺点

本节总结了报告中讨论的主要外部减震与增稳技术路线的优缺点。

表 1: 外部减震与增稳技术路线对比

技术路线	主要原理	优点	缺点	适用场景	环境因素考量
被动阻尼 - 弹性体 (Elastomeric)	利用橡胶等弹性材料的变形和内摩擦耗散能量	结构简单、成本低、无需维护、提供一定程度的冲击和振动隔离	性能有限、对低频效果差、性能可能受温度影响、寿命有限	通用工业设备、车辆部件、基础隔振	温度、化学品暴露可能影响材料性能和寿命
被动阻尼 - 金属弹簧 (Metal Spring)	利用金属弹簧的弹性变形存储和释放能量，常配合阻尼器	承载能力强、性能稳定、不易受环境影响、可设计实现低固有频率	对共振峰需要额外阻尼控制、可能传递高频噪声、体积相对较大	重型设备、HVAC 系统、建筑隔振、需要低频隔离的场合	相对稳定，不易受温度影响
被动阻尼 - 粘弹性材料 (Viscoelastic)	利用材料的滞后效应将机械能转化为热能耗散	阻尼效率高（尤其在约束层结构中）、轻量化潜力	对温度极其敏感、可能存在出气/蠕变问题、刚度/强度较低	温度稳定环境、航空航天（需热控）、电子设备、汽车	温度是关键限制因素，需精确热管理
被动阻尼 - 颗粒阻尼 (Particle Damping)	利用颗粒间的碰撞和摩擦耗散能量	对温度不敏感、耐化学腐蚀、宽频有效、耐久性好	机理复杂、非线性、设计优化困难、性能预测挑战大	高温/极端温度环境、航空航天、汽车部件、工业机械	对恶劣环境（温度、化学）鲁棒性极佳
被动阻尼 - 钢丝绳 (Wire Rope)	利用钢丝绳的弯曲和摩擦提供多向阻尼和隔离	全金属结构、耐用、耐腐蚀、耐极端温度、维护量低、多向隔离	阻尼相对较低、可能产生高频噪声	军事设备、航空航天、船舶、运输、工业设备	对恶劣环境（温度、腐蚀）适应性强
被动阻尼 - 气动 (Pneumatic/Air)	利用压缩空气的可压缩性提供低刚度支撑和隔离	可实现非常低的固有频率、低频隔振效果好、可调平	需要气源、可能漏气、维护复杂、成本较高	精密仪器（光学平台）、实验室设备、半导体制造	对环境洁净度可能有要求
被动阻尼 - 调谐质量阻尼器 (Tuned Mass Damper, TMD)	利用附加的小质量块的共振来吸收主结构的特定频率振动能量	对特定窄带频率的减振效果显著	仅对调谐频率有效、对频率变化敏感、需要精确设计和调谐	建筑（抗风/抗震）、桥梁、工业烟囱、大型管道	对主结构频率变化的鲁棒性较差
主动稳定 - 云台 (Gimbal)	IMU/编码器感知运动，电机主动补偿角向抖动	高性能角向稳定、宽频补偿、主动指向/跟踪	复杂、需供能、成本高、主要针对角向运动、性能依赖传感器/控制带宽	高精度指向需求（测绘/监视）；显著角运动平台（无人机/机器人）；被动方案不足；振动复杂不可预测	一般通过设计保证在工作温度内运行

。具体选择需根据应用需求和进一步调研确定。*

6. 结论与建议

6.1 研究结果综合

本综述探讨了在极端振动和冲击环境下确保 LiDAR 系统性能和数据质量的多种策略。研究表明，应对这一挑战需要采取多方面的方法，结合硬件层面的防护和软件层面的补偿。

• 应对策略的二元性： 解决振动问题的途径主要有两条：一是通过外部硬件手段（被动阻尼或主动稳定）来减轻振动对传感器的影响；二是在传感器固有设计和数据处理层面来补偿振动的后果。
• 外部稳定策略的权衡：
• 被动阻尼： 优点在于结构简单、无源、固有稳定。粘弹性阻尼效果好但对温度敏感；颗粒阻尼对环境（尤其是温度）鲁棒性好，是恶劣环境下的潜力技术，但设计优化复杂。其他如弹簧、气动、液压各有优劣。整体而言，被动方法性能有限，尤其对低频和宽带振动。
• 主动云台： 能够提供卓越的角向稳定性能，补偿范围宽，并具备主动指向能力。但系统复杂、需要供能、成本较高，且主要针对角向运动。其性能依赖于高质量的 IMU、编码器和高带宽控制系统。
• 固有可靠性评估： 评估 LiDAR 抗冲击与振动能力通常依据 IEC 60068 系列标准（如 IEC 60068-2-27 冲击测试、IEC 60068-2-64 随机振动测试），关注加速度幅值（g）、脉冲持续时间、频率范围等参数。不同厂商公开规格的详尽程度差异较大，选型时应核实具体型号与版本的最新官方规格书。
• 数据处理的关键性： 即使有硬件防护，软件层面的运动补偿（基于 IMU 融合的去畸变）和点云滤波对于消除振动引起的几何扭曲和噪声、保证数据质量仍然至关重要。

6.2 实施建议

基于上述分析，为在极端振动和冲击环境下成功部署 LiDAR 系统，提出以下建议：

• 采取整体性方法： 应综合考虑实际的振动环境特征、应用对精度和实时性的要求、以及成本预算，选择合适的策略组合，可能包括选用高可靠性传感器、增加外部稳定装置、并实施有效的数据处理算法。
• 硬件选择：
• 传感器本身： 在严酷环境下，优先选用具有明确记录的高抗冲击和振动规格的 LiDAR，并核实其测试依据的标准（如 IEC 60068）与具体参数。若公开规格不够详尽，应向厂商索取详细的测试数据进行验证。
• 外部稳定装置（参考表 1）：
• 对于振动特性相对可预测、中等强度、且对简单性/成本敏感的应用：可采用被动方法，如橡胶隔振器 或弹簧阻尼器。若面临极端温度，颗粒阻尼 是一个值得探索的方向。
• 对于需要高精度指向稳定、存在显著角运动或振动复杂不可预测的应用：应采用主动云台。确保选用配备高质量 IMU 和编码器的云台。集成式 LiDAR-云台系统 提供了便利性，而分体式方案则提供了更大的定制灵活性。
• 数据处理策略：
• 去畸变： 必须实施基于高频 IMU 数据的运动畸变校正算法。对于高动态或非线性运动，考虑使用连续时间轨迹模型 而非简单的线性插值。
• 滤波： 不能仅依赖基础的离群点去除滤波器。应根据噪声特性选择更合适的滤波方法，可能需要结合几何分析（如地面分割）、强度信息 或更高级的自适应滤波技术。
• 传感器质量与标定： 确保使用高质量、高更新率的 IMU，并进行精确的 LiDAR-IMU 外部参数标定和时间同步。这是保证运动补偿效果的基础。
• 测试与验证： 无论采用何种策略，都必须在接近实际应用的振动条件下进行充分的测试和验证，以评估所选方案的实际效果和鲁棒性。

6.3 未来研究方向

尽管现有技术已取得显著进展，但在极端环境下应用 LiDAR 仍有进一步研究的空间：

• 实时自适应滤波： 开发能够实时识别并滤除由特定振动模式引起的复杂点云噪声的算法。
• 颗粒阻尼优化： 改进颗粒阻尼的建模和仿真方法，以实现更精确的性能预测和优化设计。
• 低成本高性能主动稳定： 研发成本更低、体积更小、性能更高的主动稳定云台技术。
• 基于学习的补偿： 利用机器学习方法预测振动影响或直接学习振动补偿模型，可能提高对复杂、时变振动的适应能力。
• 传感器融合新范式： 探索更紧密、更鲁棒的多传感器融合框架，以应对传感器（如 IMU）在极端振动下可能出现的饱和或失效问题。

6.4 最终结论

成功地在存在极端振动和冲击的环境中部署 LiDAR 系统，需要系统性地综合考虑传感器的固有耐受性、外部机械减震与稳定措施以及先进的点云数据处理技术。没有单一的“万能”解决方案，最佳策略取决于具体的应用需求、环境条件和可用资源。通过仔细评估各种技术的优缺点，并进行充分的测试验证，可以显著提高 LiDAR 系统在恶劣环境下的可靠性和性能表现。