基于视觉注视机制的MEMS LiDAR扫描轨迹优化：实现区域兴趣高分辨率成像的创新方法

推荐：针对传统Lissajous扫描模式在微机电系统(MEMS)激光雷达(LiDAR)中存在的中心稀疏性问题，研究人员提出了一种可编程扫描优化方法。通过相位和振幅参数调制技术，建立了扫描轨迹与区域兴趣(ROI)的解析关联，实现了ROI内2-6倍点云密度提升（最高达650%），同时将MEMS扫描镜设计复杂度降低50%。该成果发表于《Research》，为下一代高分辨率成像系统提供了理论框架。

　　

在自动驾驶和精密测量的需求驱动下，微机电系统(MEMS)激光雷达(LiDAR)因其小型化和高分辨率特性成为研究热点。然而传统Lissajous扫描轨迹存在固有缺陷：中心区域点云稀疏，边缘却过度密集，这种不均匀分布严重制约了成像质量。更棘手的是，提升全局分辨率需要极高频率驱动MEMS镜片，现有技术难以实现——例如要实现0.05°×0.05°角分辨率，理论要求谐振频率达11,450Hz，远超商用MEMS镜444Hz的极限。行业虽采用多镜拼接技术局部提升分辨率，但代价是成倍增加的制造成本和系统复杂度。

针对这些挑战，国内研究人员在《Research》发表创新成果，提出仿生视觉注视机制的扫描优化策略。通过建立参数调制与区域兴趣(ROI)的数学模型，首次实现Lissajous轨迹的精准可控优化，在保持硬件不变的条件下显著提升关键区域成像质量。

研究采用三项核心技术：

1. 建立Lissajous轨迹点云分布解析模型，通过傅里叶级数构建ROI位置与相位参数的映射关系
2. 开发启发式优化算法，在361个ROI分区中自动搜索最佳相位调制参数(a=0.16, b=3)
3. 集成随机调制连续波(RMCW)测距技术，采用150MHz m序列调制激光脉冲，通过匹配滤波实现2.4cm(3σ)测距精度

【理论模型与挑战】
研究团队首先揭示了Lissajous扫描的数学本质：由正交余弦函数x(t)=Acos(2πf_xt+φ_x)和y(t)=Bcos(2πf_yt+φ_y)构成的参数方程。通过建立"扫描成像理论"框架，量化了填充因子与角分辨率的关系，指出传统方法需27kHz频率才能实现1080p分辨率，而新方法通过ROI优化可降低70%频率需求。

【ROI优化策略】
创新性地提出两种调制方案：

1. 相位调制：引入φ_x(t)=asin(2πbt)动态调整相位，在26/25Hz低频组合下使ROI点云增加20-200个
2. 振幅调制：设计m_x(t)=cos(2πf_mt+φ_m)函数，通过延长ROI驻留时间实现密度定向增强

【LiDAR原型验证】
采用3mm×3mm压电MEMS镜(谐振频率190/365Hz)构建原型系统。对魔方(45mm³)和纸杯两个目标测试显示：中心ROI点云从16增至120个(提升650%)，边缘ROI从25增至86个(244%)。角分辨率从0.0602°×0.0626°优化至0.009°，且所有10-120Hz频率组合均实现188%以上增益。

这项研究突破了MEMS-LiDAR的物理限制，通过数学重构而非硬件升级实现性能跃升。其意义在于：

1. 建立首个ROI轨迹控制理论框架，为自适应扫描提供设计准则
2. 将眼科医学的注视机制引入光电工程，开创"智能凝视扫描"新范式
3. 使低规格MEMS设备实现高频系统性能，降低SLAM和3D成像应用门槛

正如研究者指出，该方法虽在全局扫描中存在局限，但在自动驾驶目标追踪、医学显微成像等ROI明确场景展现出独特优势。未来结合视觉算法实现实时ROI动态调整，或将重新定义下一代智能感知系统的设计标准。