做激光雷达点云处理和SLAM的人，最近应该有一个明显感受：SPAD这个词从学术论文里"跑"到了工程选型表上。单光子雪崩二极管（Single Photon Avalanche Diode，SPAD）凭借单光子级别的探测灵敏度，正在改变激光雷达的测距上限和适用场景。我花了几个月时间，从原理层面重新梳理SPAD，再到实际项目里配置基于SPAD的激光雷达，中间踩了不少坑，也积累了一些可以复用的经验。这篇文章打算把原理到实战配置这条线完整讲一遍，适合正在评估SPAD方案的工程师，也适合刚接触单光子探测、想搞懂它为什么能测那么远的学生。
1. 激光雷达的探测瓶颈与SPAD的登场逻辑
1.1 APD方案在远距离与低反射率场景下的力不从心
传统激光雷达的接收端大多用PIN光电二极管或APD雪崩光电二极管。APD通过内部高电场让光生载流子发生雪崩倍增，把微弱光信号放大几十到几百倍，配合跨阻放大器（TIA）输出电脉冲。这套方案在近距离和中距离场景下非常成熟，做无人驾驶、AGV导航、安防监控都没问题。
但一旦把工况推到极限，APD的短板就很明显：它本质上是一个线性放大器，信号和噪声会被同步放大。所以当目标距离拉远、反射率又低的时候，回波光子数量锐减，APD输出信号很容易淹没在接收电路的热噪声和背景光噪声里。就算加大激光峰值功率，也会受到人眼安全等级（尤其是905nm波段接近视网膜吸收峰值）和电源功耗的限制。
我自己做过一次实测：用905nm的APD方案雷达去测200米外一辆深色车，反射率大概只有5%左右，结果点云稀疏得几乎没法看。后来换成SPAD方案的原型机，同样条件下点云密度提升非常明显。这个对比给我的冲击挺大的，也是我认真研究SPAD的起点。
1.2 SPAD在激光雷达中的定位：不是替代，而是补位与扩展
很多人误以为SPAD要全面替代APD，实际不是这样。SPAD的工作机制决定了它更像一个"数字化单光子计数器"，天生适合弱信号、远距离、低反射率场景；而APD在中等距离、高动态范围、连续波相位式测距里仍有成本优势。目前行业里常见的设计是混合架构：近距离用APD通道保证点云稠密度和强度信息，远距离用SPAD通道做补盲和远距目标捕获。
从成本角度看，SPAD阵列的工艺已经从早期昂贵的定制流片，逐步迁移到标准CMOS工艺上。意法半导体、索尼、佳能、滨松这些厂商都有面向激光雷达的SPAD产品线。CMOS工艺带来的好处是能把SPAD像素、淬灭电路、TDC（时间数字转换器）甚至直方图处理逻辑集成到同一颗芯片里，像素数从单点做到几百乘几百的阵列。这颗芯片再接一片FPGA或SoC做数据整理，就可以对外输出点云或者原始直方图数据。
所以我的判断是：SPAD不是简单替代APD，而是把激光雷达的能力边界往外推了一大截。如果你要做长距测绘、低反射率目标检测、或者弱光环境下的感知，SPAD路线值得重点关注。
2. SPAD单光子探测的核心机制：盖革雪崩、淬灭与统计测距
2.1 盖革模式：一颗光子触发整个雪崩链
SPAD的工作模式叫盖革模式（Geiger Mode）。普通PN结光电二极管工作在反向偏压较低的状态，光生载流子不会触发雪崩；APD工作在略低于击穿电压的状态，让载流子发生受控倍增；而SPAD直接工作在击穿电压之上，这个超过击穿电压的差额叫过偏压（Overvoltage，V_OV）。
在盖革模式下，PN结内部电场极强，一个光子被吸收产生一个电子空穴对后，这个载流子在电场中被加速，碰撞电离出更多载流子，再加速再碰撞，形成链式雪崩效应。整个过程非常快，几纳秒内电流就会从纳安级别飙升到毫安级别，相当于一个光子被放大成百万倍的电流信号。这个"要么不触发、一触发就是大信号"的特性，让SPAD天然适合数字式探测。
但正因为工作在击穿电压之上，SPAD无法像APD那样输出与入射光强度成比例的线性信号。它输出的是标准数字脉冲，告诉你"在这个时间点有一个光子被探测到了"。至于光强信息，要靠统计一段时间内光子事件的数量来间接估算。
2.2 淬灭电路让SPAD"活过来"
盖革雪崩一旦被触发，如果没有外部干预，电流会一直维持下去，SPAD就永远处于导通状态，无法继续探测下一个光子。所以必须有一个淬灭机制把雪崩过程"掐断"，让SPAD恢复到待探测状态。
淬灭分被动淬灭和主动淬灭两种。被动淬灭最简单，在SPAD阳极串联一个几百千欧的淬灭电阻。雪崩电流在电阻上产生压降，导致SPAD两端的实际偏压降到击穿电压以下，雪崩自然熄灭，然后电源通过淬灭电阻重新给SPAD结电容充电，恢复待探测状态。这个过程简单可靠，但恢复时间较长，限制了SPAD的最大计数率。主动淬灭则用比较器和开关晶体管，在检测到雪崩后迅速主动拉低偏压，再快速恢复，死时间可以做到更短，适合高重复频率的激光雷达场景。
淬灭时间和恢复时间合起来叫死时间（Dead Time）。在激光雷达里，死时间决定了两个连续光子事件之间的最小间隔。如果回波光子到达速率太高，就会有一部分光子被漏掉，这部分损失叫饱和效应。实际配置时需要在计数率和灵敏度之间权衡：死时间越短，饱和容忍度越高，但功耗和电路复杂度也会上升。
2.3 直方图测距：单光子探测如何变成精确的距离值
单次光子事件的时间戳本身噪声很大，不能直接作为测距结果。所以SPAD激光雷达普遍采用时间相关单光子计数（TCSPC）技术：激光器每次发射脉冲时同步启动一个时间窗，TDC记录SPAD探测到光子的时间差；对同一距离门重复成千上万次测量后，把所有光子事件按时间戳累积成直方图，峰值对应的横坐标就是回波到达时间。
这个思路可以类比成一个精确的"秒表统计"：每次测量都有误差，但重复很多次之后，真实回波信号会持续出现在同一个时间位置，而随机噪声在各个时间位置都均匀分布。所以累积次数越多，信噪比越高，测距精度也越高。
这里有个关键概念叫距离门（Range Gate）。激光雷达不会无限等待光子回来，而是只在一定时间窗口内开启TDC计数。这个窗口对应的就是最大量程。例如你只想测300米以内的目标，光来回时间是2微秒，那TDC的计时窗口就开到2微秒左右。距离门之外的事件要么被丢弃，要么被用于背景光噪声估计。
3. 从芯片到系统：SPAD激光雷达的硬件架构与链路设计
3.1 单点、线阵、面阵：不同SPAD阵列形态的取舍
SPAD在激光雷达里的阵列形态，直接决定了雷达的扫描方式和点云帧率。目前市面上能看到三种主流形态。
单点SPAD加机械扫描结构最简单，早期远距激光雷达原型机常用，用一个SPAD配合双轴振镜或转镜，逐点扫描。优点是成本低，缺点是帧率上不去，点云稀疏。线阵SPAD是当前的一个甜点方案，比如1x16或1x64的SPAD线列配合一维转镜，可以在一个方向上进行机械扫描，另一个方向靠线阵覆盖，单位时间的探测效率比单点高一个量级。面阵SPAD则彻底抛弃机械扫描，用例如32x32、128x128的SPAD像素阵列配合光学透镜，直接获得二维光子计数图，再结合激光泛光照明实现Flash式激光雷达。
我在测试中发现，面阵SPAD看起来最美好，但对光学系统要求极高：每个像素需要一个对应方向的透镜微元，而且大阵列的DCR、串扰、功耗管理都是麻烦事。相比之下，线阵SPAD加转镜的方案在工程成熟度上更占优，这也是不少厂商愿意先做线阵的原因。
3.2 读出电路与时间数字转换器：精确到皮秒的计时
SPAD像素本身只负责探测光子，真正决定测距精度的是时间测量链。激光脉冲发射时刻、SPAD雪崩触发时刻，都需要通过TDC量化为数字时间戳。TDC的分辨率直接决定距离分辨率，理论上1纳秒时间分辨对应15厘米光程距离分辨，要做到厘米级精度，TDC分辨率至少得达到几百皮秒甚至几十皮秒。
设计TDC时有几种常见架构。简单计数器法用一个高频时钟计数，分辨率受限于时钟频率；延时链法用多级缓冲单元把时间量程切细，能达到亚纳秒分辨率；多相位采样法则利用多个不同相位的时钟同时采样，在分辨率和功耗之间取得平衡。现代SPAD芯片大多把TDC阵列直接集成在像素阵列下方，每像素或每组像素对应一个TDC，避免多路复用带来的时间精度损失。
实际应用里还会有一个校准问题：TDC的每个bin（时间槽位）宽度并不是完全均匀的。由于工艺偏差，不同TDC通道的bin宽度可能相差几个百分点。所以雷达出厂或者上电时需要做码密度测试，统计随机光子事件落在一个完整量程内各个bin的数量，反过来校正每个bin的实际宽度。这个细节如果你不做，后续点云的距离一致性会出问题。
3.3 光学链路预算：用公式推算出能测多远
很多工程师一上来就想把SPAD雷达的测距能力"试出来"，但更靠谱的做法是先做光学链路预算。SPAD雷达的接收光功率可以近似为：
P_r = P_t × η_t × η_r × ρ × (A_r / (π × R²)) × η_atm
其中P_t是激光峰值功率，η_t是发射光学效率，η_r是接收光学效率，ρ是目标反射率，A_r是接收孔径面积，R是目标距离，η_atm是大气透过率。
对于SPAD接收，还需要换算成光子数：单位时间内到达SPAD像素表面的光子数N_ph = P_r × λ / (h × c)，然后用SPAD的光子探测效率PDP相乘，得到实际被探测到的光子数。最终测距可靠性取决于信号光子在直方图累积周期内的总计数、环境背景光导致的噪声计数、SPAD暗计数三者的比值。
我举个实际算例。假设激光峰值功率50W，脉冲宽度5ns，重频100kHz，发射和接收光学效率各0.8，目标反射率0.1，接收孔径直径30mm，目标距离300m，大气透过率0.9。算出来单位脉冲接收光功率大约在纳瓦量级，一个脉冲回波内到达的光子数大概是几十个，乘以PDP（905nm下大约5%到10%），最后每个像素每脉冲能探测到几个光子左右。如果不做多次累积，这个信号是不够看的。但你把累积次数做到几百次甚至上千次，有效计数被累积起来，信噪比就会显著改善。链路预算的意义就在于：在买硬件之前，你就能估算出在某距离上用多少累积次数能拿到可用的点云。
4. 实战配置：SPAD激光雷达从选型到参数标定的完整路径
4.1 选型时看数据手册，重点看哪五个参数
SPAD器件的数据手册和普通光电二极管很不一样。我建议重点盯五个参数：光子探测概率（PDP）、暗计数率（DCR）、时间抖动（TTS）、后脉冲概率、死时间。
PDP是SPAD对入射光子的敏感度，通常给出随波长变化曲线。你需要在自己雷达使用的激光波长处查值。以905nm为例，好的CMOS SPAD的PDP能做到5%到15%之间，注意这个值受过偏压影响很大，数据手册给你的通常是某个过偏压下的最大值。DCR表示没有光照时SPAD自发触发的速率，单位是cps或者Hz。单个像素DCR越低越好，比如几十Hz到几百Hz，对于面阵还要看DCR的分布是不是均匀。
时间抖动（TTS）决定测距精度。TTS越小，直方图峰越尖锐，距离分辨率越高。好的SPAD的TTS可以做到100皮秒量级，对应距离误差大约1.5厘米。后脉冲概率反映雪崩时被陷阱捕获的载流子被延迟释放、再次触发雪崩的比例，它会直接在目标后面产生假回波。死时间前面说过，决定了最大可用计数率。
4.2 偏压与温度补偿：把暗计数率压下去的实操方法
SPAD的击穿电压随温度漂移，一般在20到80毫伏每摄氏度之间。如果你用一个固定偏压，温度升高后过偏压变小，PDP下降；温度降低后过偏压变大，暗计数率飙升。所以SPAD雷达必须有温度补偿机制。
常见做法是利用SPAD自身作为温度传感器：扫描偏压，观察暗计数率突然上升的拐点，这个拐点就是当前温度下的击穿电压。然后控制DAC输出偏压，始终维持设定过偏压值。我在项目里用了一个简单的闭环：热敏电阻贴在SPAD芯片背面，查表得到击穿电压－温度曲线，偏压输出做线性补偿。实测下来，在-10℃到60℃范围内，暗计数率波动可以控制在两倍以内。
还有一个容易忽略的点：过偏压并不是越大越好。增大过偏压可以提高PDP，但暗计数率、后脉冲概率和功耗都会跟着涨。我通常的做法是扫描过偏压从1V到5V（视器件规格而定），每0.2V记录一组DCR、PDP、TTS数据，画成曲线再选工作点。这个工作点往往不是所有参数的最优值，而是信噪比综合最优的一个折中。
4.3 多脉冲累积次数与误码率之间的平衡
SPAD雷达不像传统APD雷达那样单脉冲就能得到距离值，它需要在同一个扫描角上重复发射很多次激光脉冲，把光子事件累计成直方图，再去搜索峰值。累积次数M越多，信号计数按M线性增长，噪声计数按sqrt(M)增长，所以信噪比与sqrt(M)成正比。也就是说，要把信噪比提高10倍，累积次数理论上需要增加100倍。
这带来一个直接问题：累积次数增加意味着帧率下降。一个扫描角度耗时 = 激光周期 × 累积次数。比如激光重频200kHz，累积512次，那么每个角度耗时约2.56毫秒。如果一条扫描线有1000个角度点，这一线就要2.56秒，帧率很感人。所以实际配置时要根据场景需求做取舍：远距稀疏模式用大累积次数，近距稠密模式用小累积次数，甚至可以动态调整。
延迟和点云畸变也与此有关。如果累积次数太大，雷达在同一位置停留时间过长，遇到车辆运动或转弯，一帧点云内部的时间跨度会很大，直接喂给SLAM就会产生运动畸变。我一般建议：车载前向感知场景里，单角度累积尽量控制在200次以内，后续靠算法滤波来补点云质量；测绘场景里可以放宽到1000次以上，因为雷达多数安装在缓慢移动的平台。
4.4 实测标定流程：从原始直方图到点云输出
拿到SPAD雷达模块之后，第一步不是直接跑建图，而是标定。我整理了一个可以照做的流程：
- 第一步：固定雷达，正对一个已知反射率的平面靶标，距离用激光测距仪或者钢卷尺量准确。分别在10米、30米、50米、100米等几个距离点采集原始直方图。
- 第二步：从采集的直方图里确认目标峰的位置和宽度。目标峰对应的横坐标用时间单位表示，换算成距离要乘以光速再除以2，同时减去系统固定延迟。
- 第三步：计算距离残差。如果所有距离点都存在一个相同偏移量，那基本是内部电路延迟，需要在软件里做补偿；如果偏差随距离变大而变大，可能是TDC bin宽度校准没做好，要重新做码密度测试。
- 第四步：标定反射率响应。用10%、50%、90%反射率的标准靶标，在相同距离下采集回波计数，拟合反射率与计数之间的响应曲线。这一步之后，点云强度数据才有物理意义。
- 第五步：生成点云时设定阈值。直方图峰值计数超过某个阈值才判为有效目标，低于阈值的视为噪声丢弃。阈值的选取要参考暗计数分布的均值和标准差，通常用均值加三倍或五倍标准差。
这套流程看着繁琐，但直接决定后续点云质量。我曾经跳过第二步直接拿点云去建图，结果建出来的地图整体距离偏差了20多厘米，排查了很久才发现是系统固定延迟没补偿。
5. SPAD点云的特殊脾气：噪声分布与SLAM建图算法对接
5.1 单光子点云的噪声模型为什么和传统雷达不一样
传统APD雷达点云的噪声主要体现在距离抖动上，一般是高斯分布，噪点散布在真实目标附近，离群点不多。SPAD雷达的噪声则有两类明显差异：一是暗计数和背景光产生的随机噪点在空间和时间上均匀分布，离真实目标很远；二是后脉冲噪声呈现"目标后面跟随一个假峰"的特征。
这直接影响下游算法。如果你还是用传统激光雷达的适配参数去做统计滤波，比如半径离群点移除，可能把远处真值当离群点删掉，同时也删不掉均匀分布的暗噪点，因为暗噪点有聚集起来的可能。所以在做SLAM之前，我建议先给SPAD点云加一道预处理：基于强度/计数通道做自适应阈值分割。SPAD雷达如果输出原始光子计数或者峰值计数，这个值可以用来判断一个点是不是有效回波。真实目标的峰值计数通常比较高，而暗计数虽然分布随机、但单点计数很低，用阈值法可以干掉大部分底噪。
5.2 对接Cartographer等建图算法时的配置要点
热搜词里反复出现的"ros2 + cartographer + 激光雷达建图"，确实是我日常工作的主战场。用SPAD雷达对接Cartographer，有几个配置要点不能忽略。
第一，帧率和角分辨率必须匹配Cartographer的期望。Cartographer对点云输入的角分辨率和帧率变化比较敏感。SPAD雷达的动态累积次数会导致帧内每个点的等效角分辨率不均匀，我建议先通过体素滤波和固定角度插值把点云均匀化，再发布给Cartographer。
第二，距离噪声模型要从Cartographer的激光扫描匹配参数上做调整。在Cartographer的trajectory_builder_2d.lua配置里，有min_z、max_z参数控制点云的距离范围，SPAD雷达在近距离可能因为强回波饱和导致的死区明显，所以要合理设置近端截止值。同时，SPAD雷达点云可能含有远距离稀疏真值，Cartographer不需要太远的点，建议设置max_z把超出局部地图范围的远点切掉，避免影响局部扫描匹配的收敛性。
第三，给雷达数据加上时间戳补偿。SPAD雷达因为内部累积，每帧点云的时间跨度比较大，暴露在Cartographer里会表现为点云边缘拖影。我在自己做的公共包基础上，对SPAD点云按扫描角度做时间插值，再送到扫描匹配里，线性化误差明显下降。这个步骤在高速运动场景里尤其重要。
5.3 运动畸变校正：单光子雷达更容易忽视的一环
SPAD雷达由于单点累积时间可达毫秒级，运动畸变比传统雷达更严重。以AGV小车为例，如果车速1m/s，雷达以扫描方式逐点累积，一个角度扫描间隔内的位移可能只有几毫米，但一帧1000个点的扫描周期下来，车已经移动了0.5米以上，这0.5米的位移如果不补偿，建图边缘直接糊。
处理思路有两种：一个是激光雷达内建IMU融合，在输出点云时按位姿插入给每个点重新算坐标，SPAD雷达原厂一般会在驱动里做这一步；另一个是下游把点云拆成多次扫描与IMU航迹推演结合。用卡尔曼滤波或者因子图把IMU数据与雷达帧内时间戳对齐，每个点都对应一个插值位姿，再做坐标变换。我在项目中用的是第二种思路，实测在1m/s的机器人平台上，畸变从25厘米降到3厘米以内，基本满足栅格建图要求。
6. 我在试用SPAD雷达过程中踩过的坑
6.1 暗计数随温度漂移的坑
第一次把SPAD雷达跑起来是在夏天，室内温度28℃，点云表现还行。后来放到室外太阳底下晒了一个小时后，点云里多了很多随机噪点，甚至有几米的"幻影点"。一开始我以为是镜头脏了，后来才发现是SPAD芯片温度升高导致暗计数率翻了几倍，而偏压没有跟着温度做补偿。
解决办法就是前文提到的闭环温度补偿。如果条件允许，最好在雷达主控里保存一条击穿电压与温度的标定曲线，每次上电时快速校准一个点，再按曲线做动态补偿。实测下来，这个补偿能把噪点数量在温度变化20℃的情况下压到两倍以内，不补偿的话可能差一个数量级。
6.2 后脉冲导致的距离拖尾
还有一个印象深刻的坑：用SPAD雷达测一面平整白墙，墙后面总跟着一个若隐若现的"影子点云"，距离大概是真值的1.02倍左右。后来确认这不是多路径效应，而是后脉冲造成的假回波。SPAD像素在强回波后产生一个概率性的延迟雪崩，在直方图上表现为目标峰后面多了一个小次级峰。
这个问题的处理有几个层次。硬件上可以通过优化淬灭电压和偏压来降低后脉冲概率；算法上可以在峰值搜索时设置最小峰间隔，如果两个峰之间的距离小于设定的最小间隔，且第二峰计数低于主峰的某个百分比，就认为是后脉冲并剔除。
6.3 地面点反射率过低导致的丢点
在建图测试中，我发现SPAD雷达对深色地面和低反射率物体的点云非常稀疏，尤其是黑色橡胶跑道路面，反射率可能只有2%到4%，需要极高的累积次数才够检测。但在低累积模式下，地面点成片消失，导致Cartographer建图时地面约束变弱，地图质量下降。
这个问题的实用办法是：不要指望单一累积次数满足所有场景。在驱动里把视场分成多个扇区，对不同扇区设置不同的累积次数。比如前方远距区域用512次累积，下方近地区域用64次累积。这样在保证远距探测的同时，近地点的帧率也能跟上建图需求。不同累积次数的点在输出时用不同强度值标记，方便下游算法根据权重处理。
6.4 多台雷达互相干扰的坑
有次同时开了三台SPAD雷达做实验，点云里出现了规律的带状假目标，间隔距离恰好等于雷达探测距离的一半。原因是多台雷达的激光脉冲重复频率相近，A雷达的激光脉冲被B雷达当成自己的回波接收了。在SPAD这种高灵敏度探测体制下，跨雷达干扰问题被严重放大。
解决思路主要有三种：一是给每台雷达分配不同的激光脉冲重复频率，让干扰脉冲无法在不同累积次数下形成稳定峰值；二是利用编码脉冲序列，比如不等间隔伪随机脉冲，让干扰在直方图累积中被打散；三是在同步接口上给多台雷达做硬件触发对齐，错开脉冲发射时刻。最省事的还是第一种，操作上记住两个原则：多个雷达的重复频率至少错开5%以上，且不要存在整数倍关系。
我自己后来在项目文档里加了一条硬件规范：所有SPAD雷达在布网前必须先做互扰测试，开机后查看各雷达直方图，如果出现了非本机距离门位置的稳定峰，直接调整重频直到干扰峰消失。这套流程虽然朴素，但在多机协同里非常顶用。
写在最后的一点经验
SPAD单光子探测器从实验室走向激光雷达量产，最核心的变化不是探测灵敏度本身，而是它迫使整个系统从"模拟思维"转变成"统计思维"。以前调APD雷达，关注的是放大器增益和阈值电压；现在调SPAD雷达，关心的是累积次数、直方图信噪比、死时间和后脉冲概率。这套新参数体系的调试经验，目前业内还在快速积累中，很多设计上的取舍没有标准答案，只能靠实测和迭代。
如果你正准备上手SPAD方案，我的建议有两个：一是别急着直接替换现有雷达，先拿一套带原始直方图输出的测试模块，把数据链路吃透；二是设计雷达算法时从第一性原理出发，自己把链路预算和噪声模型从头推导一遍，这样后续遇到任何反常现象都能快速定位方向。从我自己这些日子的使用体验来看，SPAD雷达确实难调，但它的性能上限，也是传统激光雷达方案很难企及的。
