——全固态Flash车载激光雷达的核心芯片

激光雷达技术正在越来越多地应用于先进驾驶辅助系统（ADAS）和自动驾驶，与传统的机械式激光雷达相比，固态闪光式激光雷达具有更易于大规模生产、更坚固、成本更低、体积更小等优势。然而，由于光学功率限制和 VCSEL 相关问题，单一闪光式激光雷达的探测距离有限。

同济大学电子与信息工程学院卓盛龙研究员团队在全固态Flash车载激光雷达的核心芯片方面研究取得新的突破，相关研究成果以“Solid-State dToF LiDAR System Using an Eight-Channel Addressable, 20-W/Ch Transmitter, and a 128 × 128 SPAD Receiver With SNR-Based Pixel Binning and Resolution Upscaling”为题，于2023年发表于《IEEE固态电路期刊》(IEEE Journal of Solid-State Circuits, Vol. 58, No. 3, March 2023），研究员卓盛龙为论文第一作者，复旦大学集成电路与系统国家重点实验室姜培教授为论文通讯作者。上述相关研究工作得到上海市科技专项的支持。

该工作提出了一种全固态直接飞行时间激光雷达系统架构，设计并实现了定制化的多通道脉冲激光驱动器芯片及单光子雪崩光电二极管 (SPAD) 阵列接收芯片。通过在系统，核心芯片及后端人工智能算法等不同层面的创新，提高了全固态激光雷达的性能并降低了成本，为全固态激光雷达的大规模产业化提供了理论及技术基础。

_{图1. 全固态激光雷达系统架构。}  

研究成果提出了多项创新技术。在发射端（TX），采用一维通道可寻址VCSEL激光器，显著降低了发射功率，通过将视场 (FoV) 划分为多个独立的子区域提高了测量距离。在接收端（RX），设计并实现了单光子雪崩光电二极管 (SPAD) 阵列并提出了像素合并技术，实现了传感器空间分辨率的可重构性。

_{图2. 激光驱动器芯片架构及照片。}  

_{图3. SPAD传感芯片架构及照片。} 

最后，提出了一种机器学习（ML）技术，通过将深度图像与强度图像融合训练/推理，提高了该像素合并深度传感器的空间分辨率。其中，VCSEL驱动器（LDD）芯片是采用 180 nm BCD工艺实现，能够输出超过 8 A峰值电流到多结VCSEL激光器阵列，在 12.5 V 电源电压下产生输出高达 20.3 W 的纳秒级光脉冲。SPAD传感器芯片也在180 nm BCD工艺上实现，具有 128 x 128 SPAD 阵列和可重构的像素。展示了在低信噪比 (SNR) 条件下，基于机器学习的软硬件协同优化对空间分辨率的提升。 

_{图4. 深度图像及精度。}