激光雷达烧坏手机摄像头，到底发生了什么？
作者 |洪泽鑫编辑 |王博
不要用手机对着激光雷达录像，用手机对着激光雷达照相或录像，大概会把你的手机摄像头干废。
本月初，有效户在交际平台小红书上称，“夜拍蔚来ET5和银河，发现排挤来的照片有两个贼亮的看不到的星，发现是手机摄像头被激光雷达打碎了。”
稍早前，也有网友称本身在拍摄蔚来新车ES7时，小米12S Ultra的相机受到了破坏，拍摄出的画面中出现了多条程度绿线。网友称拍的时间车是停着的，但激光雷达仍在工作。
再向前追溯，2019年CES展会期间，一位索尼手机用户在拍摄AEye公司的激光雷达时，手机摄像头同样出现绿线。
这三个变乱中，雷同点是都指向了1550nm光源的激光雷达。
那么，1550nm激光雷达是否会烧坏手机摄像头？
Chat GPT 4.0给出告终论。
但详细为什么会出现这种环境？我们做了些研究。
被烧坏的手机摄像头
现有的1550nm激光雷达不止一次烧坏过手机摄像头。
除了上面提到的手机被激光雷达烧坏的案例，据激光雷达从业人士向HiEV表现，有激光雷达公司在内部测试1550nm产物时，也曾出现过雷同环境。
但这是小概率变乱。
背后的缘故原由也很好明白，放眼环球范围，1550nm车载激光雷达正式量产的时间并不长。现在以向蔚来汽车提供产物的图达通为主，其他激光雷达公司接纳的是905nm光源。
别的，1550nm激光雷达也不是遇上手机摄像头肯定会将后者干掉。
弄清晰整个事变之前，我们先来相识两个东西。
手机摄像头是什么？
手机摄像头的专业术语叫CMOS传感器，这是一种将光信号转换成电信号的图像传感器。它是数字相机、手机摄像头、监控摄像头等数码成像装备中最常用的传感器之一。
CMOS传感器由成千上万个微小的光电传感单位构成，每个传感单位都可以或许将光信号转换成电信号。
下面是一张CMOS图像传感器的简朴原理图：
如图所示，CMOS传感器的原理是将光信号转换成电信号，此中每个像素单位由感光元件、转换电路和读出电路三部门构成。
感光元件是一个光敏二极管或光电容，当光线照射到它上面时，就会产生电荷。
转换电路将感光元件产生的电荷转换成电压信号，而且在此过程中放大和整形电荷，使其更轻易丈量。
读出电路将电荷转换成数字信号，读出电路一样平常接纳逐行逐列的方式，将每个像素单位的信号逐一读出，并将其转换成数字信号。
终极，由盘算机对读取的数字信号举行处置惩罚和编码，天生一幅完备的数字图像。
激光雷达是什么？
激光雷达可以通过发射激光脉冲，然后丈量脉冲的回波时间和强度，从而确定目的物体的间隔、位置、外形等信息。
激光雷达通常由激光器、扫描器、探测器、处置惩罚器等部门构成。
下面是一个简朴的激光雷达的原理图，可以用来阐明激光雷达的根本原理和构成部门：
激光器（Laser）：发射激光脉冲的光源，一样平常接纳固态激光器、半导体激光器等。
扫描器（Scanner）：控制激光束的扫描范围和速率，一样平常接纳旋转镜或微机电体系（MEMS）扫描器。
吸收器（Receiver）：吸收目的物体反射返来的激光信号，一样平常接纳光电二极管、光电倍增管等。
盘算机（Computer）：对吸收到的激光信号举行处置惩罚，包罗丈量间隔、位置、速率等信息，天生三维点云图或图像。
激光器发出高能量的脉冲激光，扫描器将激光束控制在肯定范围内扫描，吸收器吸收回波信号并丈量回波的时间和强度，盘算机对数据举行处置惩罚并天生三维点云图或图像。
激光雷达的工作原理是使用激光束在氛围中流传的速率非常快，可以近似地看作光在真空中的流传速率，因此可以用极高的精度来丈量物体的间隔和位置。
激光雷达所用的激光波长一样平常为几百纳米至几微米不等，常见的波长有905纳米、1550纳米等，详细的波长根据差别的应用需求而定。
那么，当手机摄像头拍摄激光雷达时，真的会被烧坏吗？
肯定条件下，会
一样平常环境下，车载激光雷达发射的光束在传输过程中会渐渐衰减，到达吸收器时的光强已经很小。别的，当代激光雷达体系通常都接纳滤光片等步伐来淘汰对CMOS传感器等光敏元件的干扰和侵害。
以是，车载激光雷达通常不会烧坏CMOS传感器。
那么，什么环境下激光雷达会对CMOS传感器造成破坏？
激光雷达的光束强度和波长都会对其对物体的作用产生影响，因此光束的功率和波长都是必要思量的因素。
此前有论文对激光对CMOS传感器的辐照损伤机制和影响因素举行了深入研究。
文章针对差别波长（532、1064和1550 nm）和能量密度（10-1000 mJ/cm2）的激光对CMOS传感器举行了辐照实行，通过研究差别条件下CMOS传感器的辐照后电性能和图像质量，得出以下结论：
激光波长对CMOS传感器的辐照损伤产生明显影响，此中532 nm的激光辐照引起的损伤最为明显，而1550 nm的激光辐照引起的损伤相对较小。
激光功率对CMOS传感器的辐照损伤水平有非常明显的影响，功率越高，对传感器的损伤也越显着。在全部测试中，1000 mJ/cm2的激光辐照产生了最严峻的损伤。
辐照时间也对损伤水平产生影响。较短时间的激光辐照会对传感器产生临时性损伤，而较长时间的辐照则会对传感器产生更为严峻和长期的损伤。
激光辐照对CMOS传感器中单位电荷转移率和电荷网络服从等性能指标产生了影响，同时也对图像噪声、动态范围等图像质量指标产生了影响。
从上图可以看到，随着激光能量增长，CMOS依次出现光斑损伤、线损伤、十字交织线面损伤。
通过CMOS失效机理分析、联合损伤CCD仿真模仿，可知：
CMOS出现光斑损伤重要是由于微透镜和滤光片受损，陪同着部门金属铝剥落融化，部门单位像素失效造成的；
出现线损伤重要是由于局部电路短路或断路导致信号传输停止；
随着CMOS温度继承升高，晶体硅融化，二氧化硅由于受到热应力作用发生变形和断裂，金属线路严峻破坏，出现十字交织线面损伤，CMOS大面积失效。
回到文章开头出现的1550nm激光雷达烧坏手机摄像头案例。
一种观点以为，1550nm的激光束照射到Si像素上不会被吸取，会直接透射已往，也就是说，1550nm不会烧坏全部的CMOS，纯Si工艺的不会烧坏。但是在CIS底层电路中有大概对1550nm较敏感的部门，造成短时间热效应，烧坏该部门电路。
另有一种分析观点以为，1550激光雷达脉冲功率较高，人眼是有晶状体的，含有比力多的水，可以或许吸取一部门能量，对光的能量做一些衰减。但有些手机的摄像头没有做1550nm的滤波，光直接打到了CMOS上，造成了破坏。
一位靠近图达通的人士告诉HiEV，题目缘故原由现在还没有明白定论，但根本上能判定一些影响因素，大概和激光能量、透过率这两个因素相干。
美满方向也根本上有了。
一方面，对于激光脉冲能量可以通过特别模式的开辟以举行控制。在还没有非常美满的研究评判之前，可以开辟一些特别模式，做到近间隔跟车、静止时候场景下特别模式的开辟，在特别模式下可以或许对脉冲能量有一些控制。
另一方面，能量是和透过率、镜头光圈巨细、镜头和滤光片的镀膜是相干的。这三种因素会影响到激光脉冲打到CMOS能量的。此中，滤光片的镀膜本钱会相对低一些，是比力可以或许实操的状态了。
总体来说，当一辆顶着1550nm激光雷达的汽车从你身边经过期，保险起见请不要对着照相，否则真有大概会烧坏手机摄像头。
同时，欣赏的时间跟激光雷达保持一个安全间隔——10cm，离的太近了是突破人眼安全阈值的。
激光雷达会对人眼有伤害吗？
激光雷达有大概会烧坏手机摄像头，那它会烧坏眼睛吗？
大功率的激光器肯定会。但车载激光雷达，现在并没有对眼睛造成伤害的公开案例。
从功率上来看，之前有观点说，对于同样的功率和激光器范例，905 nm波长的激光的单光子探测器敏捷度相对比1550 nm波长的激光高，因此，可以在较低功率下实现较远间隔的探测和丈量。
相比之下，1550 nm波长的激光器单光子探测器敏捷度较低，而且人眼安全阈值高（比905nm高40倍），以是1550nm波长激光雷达广泛会通过提拔激光器功率来实现比905nm更远的探测间隔。
在详细应用中，激光器的功率和波长必要根据详细的应用场景和体系参数举行选择和调解，以到达最佳的性能和结果。
以是说，脱离详细的应用场景和体系参数来谈这两种波长功率的高低，就是在耍地痞。
从对眼睛的伤害水平来看，之前有观点称905nm过量会伤害视网膜，由于它可以或许穿透眼睛前部，重要被视网膜玄色素吸取；而1550nm过量会伤害角膜和晶状体，由于它会被眼球的晶状体和角膜吸取，两者在过量的环境下，对于眼球伤害部位差别。
这个观点不肯定精确。
2010年中国科学院理化技能研究所发表过一篇文章：
波长在可见光和近红外光的激光，眼屈光介质的吸取率较低，透射率高，而屈光介质的聚焦本领（即聚光力）强。强度高的可见或近红外光进入眼睛时可以透过人眼屈光介质，堆积光于视网膜上。
此时视网膜上的激光能量密度及功率密度进步到几千乃至几万倍，大量的光能在刹时聚中于视网膜上，致视网膜的感光细胞层温度敏捷升高，以至使感光细胞凝固变性坏死而失去感光的作用。
远红外激光对眼睛的侵害重要以角膜为主，这是由于这类波长的激光险些全部被角膜吸取，以是角膜损伤最重，重要引起角膜炎和结膜炎，患者感到眼睛痛，异物样刺激、怕光、流眼泪、眼球充血，视力降落等。
按照ASTM（美国试验和质料检测协会）的界说，可见光的波长范围为380到780纳米，近红外光的波长范围为780到2500纳米，远红外光的波长范围为2500纳米到1毫米。
905nm和1550nm都属于近红外光，并没有找到学术论文研究过他们对眼睛影响的区别。
出于差别的应用场景和需求，差别的激光雷达制造商在开会选择差别波长的激光作为其焦点技能。
他们会在宣传和营销中夸大本身产物的长处，乃至诋毁竞争对手的产物。
这也是为什么网上有许多关于905 nm和1550nm激光的优缺点讨论，而且此中有不少是没有联合应用场景和需求就下结论的。
页:
[1]