ToF vs. FMCW LiDAR: Technische Aufschlüsselung für fundierte Entscheidungen

Jüngere Veröffentlichungen¹⁻⁵ haben diverse Marketingbehauptungen zu den Vorteilen von Frequency Modulated Continuous Wave (FMCW) LiDAR-Systemen aufgestellt. Wie zu erwarten, steckt mehr dahinter als die Schlagzeilen behaupten. Dieser Artikel untersucht diese Behauptungen und bietet einen technischen Vergleich von Time of Flight (ToF) vs. FMCW LiDAR für jede.

Wir wissen, dass nicht alle ToF- und FMCW-Systeme gleich sind, daher fokussieren wir uns auf ToF wie bei AEye eingesetzt. Ziel ist es, die schwierigen Systemkompromisse aufzuzeigen, die ein erfolgreicher Anwender überwinden muss, um robuste informierte Diskussion, Wettbewerb und letztlich Verbesserung beider ToF- und FMCW-Angebote zu stimulieren.

Wettbewerbsbehauptungen im Detail

Behauptung #1: FMCW ist eine (neue) revolutionäre Technologie

Falsch. Entgegen aktuellen Presseartikeln existiert FMCW LiDAR seit langem, ausgehend von Arbeiten am MIT Lincoln Laboratory in den 1960er Jahren⁸, nur sieben Jahre nach der Lasererfindung⁹. Viele über FMCW gelernte Lektionen – unklassifiziert und public domain – wurden leider lange vergessen. Was sich kürzlich geändert hat, ist die höhere Verfügbarkeit von Lasern mit langer Kohärenzlänge. Während dies das Interesse an der etablierten Technologie neu belebt hat, da sie theoretisch extrem hohen Signalgewinn bieten kann, müssen noch mehrere Limitationen adressiert werden, um FMCW für autonome Fahrzeuge nutzbar zu machen.

Behauptung #2: FMCW detektiert/verfolgt Objekte weiter, schneller

Unbewiesen. ToF-LiDAR-Systeme können sehr schnelle Laserpulsraten bieten (mehrere Millionen Schüsse pro Sekunde im AEye-System), agiles Scannen, erhöhte Rückgabeprominenz und die Fähigkeit, hochdichte Regions of Interest (ROIs) anzuwenden – was einen Faktor zwei- bis vierfach bessere Informationen aus Rückgaben gegenüber anderen Systemen liefert. Zum Vergleich: Viele Low-Complexity-FMCW-Systeme schaffen nur Pulsenraten im 10er- bis 100er-Tausender-Bereich pro Sekunde (~50x langsamer). Im Wesentlichen vergleichen wir Nanosekunden-Verweilzeiten und hohe Wiederholraten mit Zehn-Mikrosekunden-Verweilzeiten und niedrigen Wiederholraten (pro Laser/RX-Paar). Kommerzielle, automotive-grade LiDAR-Produkte liefern Millionen Returns pro Sekunde mit ToF, großem FOV und superhoher Auflösung von >1000 Punkten pro Grad². AEye kennt keine FMCW-Systeme, die diese Leistung bei gleichem FOV, Gesamtreichweitenbereich und Punktdichte erreichen.

Detektion, Erwerb (Klassifikation) und Verfolgung von Objekten auf großer Distanz werden stark von der Laserpulsrate beeinflusst, da höhere Laserpulsdichte (im Raum und/oder Zeit) mehr Informationen liefert, die schnellere Detektionszeiten und besseres Rauschfiltern ermöglichen. AEye demonstrierte ein System, das Multi-Punkt-Detektionen von niedrig reflektierenden kleinen Objekten und Fußgängern bei >200 m, Fahrzeugen bei 300 m und Klasse-3-LKW bei 1 km Reichweite ermöglicht. Das spricht für die Reichweitenfähigkeit von ToF. Tatsächlich nutzen praktisch alle Laserentfernungsmesser ToF, nicht FMCW, für Distanzmessung (z. B. Voxtel-Rangefinder¹⁰, einige mit 10+ km Detektionsreichweite). Obwohl jüngere Artikel behaupten, FMCW habe überlegene Reichweite, hat AEye kein FMCW-System gesehen, das die Reichweite eines fortschrittlichen ToF-Systems bei passendem FOV, Gesamtreichweitenbereich und Punktdichte erreicht.

Behauptung #3: FMCW misst Geschwindigkeit und Distanz genauer und effizienter

Irreführend. ToF-Systeme, einschließlich Aeyes LiDAR, erfordern mehrere Laserschüsse zur Bestimmung der Zielgeschwindigkeit. Das mag wie zusätzlicher Overhead wirken im Vergleich zu FMCW-Behauptungen mit Einzelschüssen. Viel wichtiger: Nicht alle Geschwindigkeitsmessungen sind gleich. Während radiale Geschwindigkeit bei zwei frontal aufeinander zufahrenden Autos dringend ist (ein Grund, warum größere Detektionsreichweite wünschenswert ist), ist auch laterale Geschwindigkeit entscheidend, da sie über 90 % der gefährlichsten Edge Cases ausmacht. Autos, die Rotlicht überfahren, ausweichende Fahrzeuge, Fußgänger, die auf die Straße treten – all das erfordert laterale Geschwindigkeit für ausweichende Entscheidungen. FMCW kann laterale Geschwindigkeit nicht simultan in einem Schuss messen und hat keinerlei Vorteil gegenüber ToF bei der Ermittlung lateraler Geschwindigkeit.

Betrachten Sie ein Auto mit 30–40 m/s (~67–89 mph), detektiert durch einen Laserschuss. Ein zweiter Schuss 50 µs später: Das Ziel hat sich nur ~1,75 mm bewegt. Für eine statistisch signifikante Geschwindigkeit sollte es sich ≥2 cm bewegt haben, was ~500 µs dauert (bei ausreichendem SNR zur Interpolation). Mit dieser zweiten Messung lässt sich eine statistisch signifikante Distanz und Geschwindigkeit in einem vernachlässigbaren Zeitrahmen zur Frame-Rate etablieren. Mit agilem Scanner sind die 500 µs nicht ausschließlich der Geschwindigkeitsmessung „geopfert“; stattdessen können viele andere Schüsse auf andere Ziele in der Zwischenzeit abgegeben werden. Ein FMCW-System ist hingegen für die gesamte Verweilzeit „gefangen“.

Zusätzlich erfordert FMCW oft mindestens zwei Laserfrequenz-Sweeps (hoch und runter) für eine eindeutige Detektion, wobei der Down-Sweep Informationen liefert, um Ambiguität aus Mischung von Distanz + Doppler-Verschiebung zu überwinden. Das verdoppelt die nötige Verweilzeit pro Schuss. Die Zielbewegung in 10 µs beträgt typischerweise nur 0,5 mm, was Vibration von echter linearer Bewegung schwer unterscheidbar macht.

Behauptung #4: FMCW hat weniger Interferenzen

Gegenteilig! Streureflexionen treten in ToF und FMCW auf: Retroreflektor-Anomalien wie „Halos“, „Schalen“, Erstoberflächenreflexionen, Off-Achse-Seitenloben, Multipath, Clutter. Der Schlüssel zu gutem LiDAR ist Seitenlobenunterdrückung im räumlichen (gute Optik) und zeitlichen/Wellenformbereich. ToF und FMCW sind im räumlichen Verhalten vergleichbar, aber FMCW leidet im Zeitbereich bei hochkontrastigen Zielen.

Clutter: FMCW nutzt Fenster-basierte Seitenlobenunterdrückung gegen Selbstinterferenz (Clutter), weit weniger robust als ToF, das keine Zeit-Seitenloben hat. Ein 10-µs-FMCW-Puls streut Licht radial über 1,5 km Reichweite. Jedes Objekt in diesem Bereich wird in FFT-Seitenloben (Zeit) gefangen. Selbst ein 1-µs-Puls kann durch hochintensiven Clutter 150 m entfernt korrupt werden. Die 1. Seitenlobe eines Rechteckfenster-FFT ist bekannt bei -13 dB – weit über dem Level für konsistent gute Punktwolken. (Es sei denn, kein Objekt im Schuss unterscheidet sich in Intensität von jedem anderen Reichweitenpunkt um >13 dB – unwahrscheinlich in realen Straßenbedingungen).

Tiefere Seitenlobentaperung ist möglich, aber auf Kosten von Pulsverbreiterung. Nichtlinearitäten im Empfänger-Frontend (spurious-free dynamic range) begrenzen effektive Gesamtsystem-Seitenlobenlevel durch Kompression und ADC-Spurs (Third-Order Intercepts), Phasenrauschen⁶, atmosphärische Phasenmodulation etc., die keine Fenster-Taperung mindern kann. Luft- und Rüstungssysteme können solche Limitierungen überwinden, aber AEye kennt keine Low-Cost-Automotive-Grade-Systeme, die den zeit-instantanen >100 dB Dynamikbereich erreichen, um Fernkleinobjekte von Nahretroreflektoren zu trennen, wie sie in FMCW auftreten.

Im Gegensatz dazu hat ein typisches Gauß-ToF-System bei 2 ns Pulsdauer keine zeitbasierten Seitenloben jenseits der paar cm der Pulsdauer. Kein Dynamikbereich zwischen kleinen und großen Offset-Returns beeinflusst das Licht auf dem Photodetektor beim Erfassen des Kleinziel-Returns.

Erstoberfläche: Eine potenziell stärkere Interferenzquelle ist Reflexion durch Windschutzscheibe oder andere Erstoberfläche am LiDAR-System. Da der Sende-Strahl fast kontinuierlich an ist, sind Reflexionen kontinuierlich und sehr stark relativ zu fernen Objekten – eine ähnliche Niederfrequenzkomponente, die unerwünschte FFT-Seitenloben in transformierten Daten erzeugt. Resultat kann signifikante Reduktion nutzbarer Dynamik sein. Windschutzscheiben als Mehrschichtglas unter mechanischer Spannung haben komplexe inhomogene Polarisation, was das elektrische Feld des Signalreturns auf dem Photodetektor randomisiert und optisches Mischen decoheriert.

Zudem ist die Behandlung von Multi-Echos – selbst mit hohem Dynamikbereich – in ToF-Systemen ein geradliniger Prozess, während sie in FMCW signifikante Entzerrung erfordert. Multi-Echo-Verarbeitung ist besonders wichtig bei Obscurants wie Rauch, Dampf, Nebel.

Behauptung #5: FMCW ist Automotive-Grade, zuverlässig und leicht skalierbar

Unbewiesen. FMCWs vermeintlicher Vorteil: Nutzung von Photonik- und Telekommunikationstechnologie-Reife, was Skalierbarkeit auf höhere Leistung (und Kosteneinsparungen) erleichtert. Richtig, FMCW erlaubt Low-Cost-Photodetektoren wie PINs, während ToF oft APDs und teurere Detektoren nutzt. Doch Details sind nuancierter.

Die LiDAR-Komponenten-Lieferkette ist relativ jung, aber Komponenten wie Faserlaser, PIN-Array-Empfänger, ADCs, FPGAs/ASICs werden seit Jahren in diversen Branchen genutzt – sehr niedriges Risiko aus Supply-Base-Sicht. Der kritische FMCW-Komponente ist der sehr niedrig phasenrauschende Laser, der viele enge Anforderungen hat und keinen anderen Hochvolumen-Nutzer hat, der Volumenfertigungskosten senkt.

Optische Komponenten in ToF-LiDAR sind Derivate von Komponenten, die breit und routinemäßig in kommerziellen Systemen genutzt werden. Neuentwicklungen sind MEMS, die zuvor in fast allen automotiven Druck- und Airbag-Sensoren sowie Gatling-Guns, Missile-Seekern und Laser-Resonator-Q-Switches im Militär eingesetzt wurden. FMCW-Komponenten sind seit Jahren in Laborumgebungen verfügbar, aber keine Hochvolumen-Produktionssysteme haben Items wie den frequenzagilen Langkohärenz-Diodenlaser deployt, der solche Systeme ermöglicht.

Zudem haben ToF-LiDARs bereits mehrere Anbieter, die automotive-qualifizierte Komponenten über den gesamten Hardware-Stack verkaufen: Laser, Detektoren, ASICs etc. Historisch muss eine disruptive Technologie (wie FMCW-Laserquellen), die einzigartig In-House gefertigt wird, einen 10x technischen Gewinn haben, um ein Produkt auszugleichen, das eine robuste Lieferkette mit mehreren Anbietern genießt, die bereits Qualitätsstandards für eine Kundengruppe bestehen.

Skalierbarkeit korreliert direkt mit Reife. Ein Reifegrad-Schema: NASA Technology Readiness Level (TRL) aus den 1970er Jahren. TRL 1 = Technologieinspiration bis TRL 9 = Einsatz in mehreren erfolgreichen Missionen.

Für ToF-LiDAR sind Komponenten und Systeme auf TRL 8, FMCW auf TRL 4 – eine signifikante Lücke, die Jahre braucht. Hauptmängel FMCW-Skalierbarkeit: niedrige Schussrate durch Laser-Chirp-Pulsdehnung, High-Speed-ADC/FPGA für Return-Verarbeitung. Für höhere Schussraten auf Systemebene können parallele Kanäle des optischen Pfads und der Elektronik deployed werden. Diese könnten einen einzelnen Scanning-MEMS nutzen, aber jedes replizierte Item ist der Großteil der LiDAR-Kosten – Verdopplung der Kanäle verdoppelt nahezu die Gesamtkosten.

Laserkosten: FMCW-Kohärenzlänge hängt von Laserdesign ab, muss ≥2x längste Zielreichweite. Typischerweise ist Low-Phase-Noise-Laser viel teurer als traditioneller Diodenlaser. ToF-Laser haben abseits guter Pulsform wenige weitere Anforderungen über Telecom-Markt hinaus.

Empfängerkosten: FMCW-Detektoren können Low-Grade-PINs sein, relativ billig, aber Gesamteingangskosten teuer durch Frontend-Optik und Backend-Elektronik. Selbst hier: Koaxiales FMCW vs. koaxiales ToF – keine signifikanten Detektorkostenunterschiede basierend auf Detektorgrößen. Gesamteingangskosten favorisieren ToF. FMCW glänzt bei Kosten für Kurzdistanzsysteme: Höhere Energieeffizienz durch Kohärenz ermöglicht Diodenlaser, Chip-Scale-LiDAR erreichbar.

Optikkosten: ToF: inkohärente Detektion (einfache Amplituden-Peak-Detektion), Optik nur λ/4-Toleranz. FMCW: kohärente Detektion, alle Optikflächen aggregiert λ/20 – deutlich teurer.

Elektronikkosten: AEye ToF: High-Speed-ADC + FPGA für Peak-Detektion und Entfernungsberechnung. Bandbreite proportional zu Entfernungsauflösung, Komponenten unüblich. FMCW: ADC-Raten 2- bis 4-fach höher als ToF, dann FPGA für High-Speed-FFT. Selbst mit ASICs: FMCW-Komplexität (und Kosten) mehrfach höher als ToF-Verarbeitung.

Behauptung #6: FMCW + Optical Phased Arrays (OPAs) kompensiert fehlende Solid-State-Performance

Unbewiesen. FMCW hat niedriges TRL, OPAs noch niedrigeres (~TRL 3, experimenteller Prinzipbeweis, nicht nutzbar im für FMCW nötigen Maßstab). DARPA MOABB-Programm zeigte: Für sehr niedrige räumliche Seitenloben bei Transmit-Beam-Steering waren Submikron-(λ/2)-Wellenleiter nötig¹¹. Folge: Leistungsfähigkeit solcher Elemente als fundamentale Limitierung identifiziert. Empfangsseitig: Einkopplung von Licht von Input-Linse in photonischen Substrat, wo Licht in sehr kleinen Wellenleiter gesammelt werden muss – auch optische Performance-Herausforderung (Étendue-Limitation).

Die meisten OPA-Systeme nutzen thermisches Verschieben der Laserwellenlänge für Beam-Steering in einer Dimension, Phased Arrays für die andere. Bekannt: Phased-Array-Beam-Steering degradiert (erzeugt räumliche Seitenloben) sehr schnell bei Frequenzverschiebungen des Laserstrahls. Kombination eines Beam-Steering-Mechanismus, der konstanten Laserintensität und -wellenlänge benötigt, mit einem Entfernungsmechanismus, der Laserfrequenz sweeped, funktioniert für traditionelle FMCW-Ansätze nicht gut. Die Idee, FMCW mit so frühem Beam-Steering zu kombinieren, ist extrem riskant. AEye schätzt: Weitere 10 Jahre bis nutzbare Reife.

Fazit

AEye glaubt, dass hochleistungsfähige, agile-scannende ToF-Systeme die Bedürfnisse autonomer Fahrzeug-LiDAR effektiver bedienen als FMCW, wenn Kosten, Reichweite, Performance und Punktwolkenqualität wichtig sind. Dennoch ist die logische Nische für FMCW in Anwendungen mit niedrigeren Schussraten und ökonomischeren FMCW-Systemen erkennbar.

Verfasst von Luis Dussan, Founder und CTO, AEye (Dublin, CA). Mehr Infos hier.

Referenzen

1. Aurora Team, „FMCW Lidar: The Self-Driving Game-Changer“, Apr 2020
2. Philip Ross, „Aeva Unveils Lidar on a Chip“, IEEE Spectrum, Dez 2019
3. Timothy Lee, „Two Apple veterans built a new lidar sensor...“, arsTECHNICA, Okt 2018
4. Jeff Hect, „Lasers for Lidar: FMCW lidar...“, Laser-FocusWorld, Mai 2019
5. „Aeva launches ‘4D’ LiDAR on chip...“, Dez 2019
6. Phillip Sandborn, „FMCW Lidar: Scaling to the Chip-Level...“, UC Berkeley, Dez 2019
7. „Technology readiness level“, Wikipedia
8. A Gschwendtner, W Keicher, „Development of Coherent Laser Radar at Lincoln Laboratory“, MIT Tech Journal, 2000
9. C. Patel, „Stability of Single Frequency Lasers“, IEEE J Quantum Electronics, 1968
10. Voxtel Laser Rangefinders, Jun 2020
11. P Suni et al, „Photonic Integrated Circuit FMCW Lidar On A Chip“, 19th Coherent Laser Radar Conference