Wie LiDAR funktioniert und wichtige Produkte – Livox, Velodyne, Hesai

LiDAR (Light Detection and Ranging) misst die Laufzeit (Time of Flight, ToF) eines ausgesendeten Laserstrahls, der von einem Objekt reflektiert wird und zurückkehrt. Daraus berechnet sich die Entfernung anhand der Lichtgeschwindigkeit. Während eine Kamera „Farbe und Muster“ erfasst, kann LiDAR die tatsächliche 3D-Form eines Objekts direkt und unabhängig von den Lichtverhältnissen erfassen. Dies ist seine größte Stärke. LiDAR wird häufig zur Umgebungserkennung in autonomen Fahrzeugen und für SLAM (Simultaneous Localization and Mapping) in der Robotik eingesetzt. Pionierarbeit auf diesem Gebiet leistete das amerikanische Unternehmen Velodyne. Livox (ein Ableger von DJI) trieb die Kostensenkung voran, und nun drängen die chinesischen Unternehmen Hesai und RoboSense in den Markt der Massenproduktion – ein Markt, dessen Machtverhältnisse sich in etwas mehr als einem Jahrzehnt dramatisch verschoben haben.

LiDAR

Velodyne Alpha Prime / Ultra Puck / Puck-Familie

Livox Mid-40 / Horizon / Tele-15

Bilder: Velodyne LiDAR Alpha Prime Ultra Puck Puck Sensorfamilie (APJarvis, CC BY-SA 4.0) / Livox Mid-40, Livox Horizon, und Livox Tele-15 (Dllu, CC BY-SA 4.0), beide Wikimedia Commons. Dies sind nicht die im Text verglichenen neuesten Modelle (VLP-16, Mid-360S), sondern repräsentative Beispiele der jeweiligen Produktpalette.

Prinzip: Entfernungsberechnung anhand der Lichtlaufzeit

Das Grundprinzip von LiDAR ist einfach. Es sendet einen Laserimpuls aus, misst die Zeit T, die dieser für die Reflexion an einem Objekt und die Rückkehr benötigt, und berechnet daraus die Entfernung D anhand der Lichtgeschwindigkeit c ( \approx 3.0 \times 10^8 m/s).

Die Division durch zwei berücksichtigt die Laufzeit des Impulses zum Ziel und zurück. Da die Lichtgeschwindigkeit extrem hoch ist, muss diese Zeitdifferenz im Nanosekundenbereich (Milliardstel Sekunden) gemessen werden – beispielsweise beträgt die Laufzeit eines Laserpulses zu einem 10 m entfernten Objekt nur etwa 67 Nanosekunden. Diese extrem kurze Messgeschwindigkeit ist genau das, was LiDAR technisch so anspruchsvoll macht. Es gibt zwei gängige Verfahren: dToF (direkte Laufzeitmessung), bei dem die Laufzeit eines Laserpulses direkt gemessen wird, und iToF (indirekte Laufzeitmessung, einschließlich FMCW), bei der die Entfernung aus der Phasenverschiebung eines modulierten Dauerstrichlasers abgeleitet wird. Die meisten LiDAR-Produkte für den Außeneinsatz mit großer Reichweite nutzen dToF.

LiDAR-ToF-Prinzipdiagramm

Bild: Concept von LiDAR (Cartographer3d, CC BY-SA 4.0), Wikimedia Commons.

Scanmethoden: von mechanischen Rotationseinheiten zu nicht rotierenden (Festkörper-)Designs

LiDAR-Scanmethoden lassen sich grob in drei Kategorien einteilen.

Mechanisch rotierender Typ: Hierbei werden Laser-Sender/Empfänger-Einheiten übereinander gestapelt und die gesamte Anordnung mithilfe eines Motors um 360 Grad gedreht – der ursprüngliche Ansatz, der von Velodyne entwickelt wurde. Es kann die gesamte 360-Grad-Umgebung gleichmäßig abdecken, jedoch beeinträchtigen die beweglichen Teile tendenziell die Haltbarkeit und erhöhen die Kosten.

MEMS-Verfahren ist ein halbleitendes Verfahren, das den Laser durch die schnelle Vibration eines winzigen Spiegels (eines MEMS-Spiegels) abtastet. Die kleinen beweglichen Teile ermöglichen eine Kostenreduzierung. Es ist eines der gängigsten Verfahren für in Serie gefertigte LiDAR-Systeme im Automobilbereich und wird unter anderem in der M1-Serie von RoboSense eingesetzt.

Nicht-rotierendes Verfahren (Livox-eigenes Verfahren) rotiert zwei Prismen (Risley-Prismen) mit unterschiedlichen Geschwindigkeiten, um den Laser in einem nicht-repetitiven, blütenblattförmigen Abtastmuster (einer Rhodonea-Kurve) zu lenken. Wenn das Verhältnis der Rotationsgeschwindigkeiten der beiden Prismen nahe an einer irrationalen Zahl liegt, beschreibt die Abtastbahn theoretisch nie denselben Pfad, sodass die Punktwolkendichte mit zunehmender Integrationszeit stetig ansteigt. Da das Scanmuster die Mitte des Sichtfelds häufiger durchquert als den Rand, entsteht eine charakteristisch ungleichmäßige Dichteverteilung mit höherer Dichte in der Mitte als an den Rändern (der Linienabstand in der Mitte des Sichtfelds beträgt ca. 0,2 Grad und ist damit dichter als bei einem herkömmlichen 64-Zeilen-LiDAR). Diese Konstruktion ermöglicht kompakte bewegliche Teile bei gleichzeitig großem Sichtfeld. Allerdings ist die momentane Punktwolkendichte geringer als bei einem rotierenden System, und die Leistung ist auf sich schnell bewegenden Plattformen, die keine langen Integrationszeiten zulassen, eingeschränkt.

Vergleich der wichtigsten Produktspezifikationen

Der Velodyne Puck VLP-16 zeichnet sich durch seine 16 Kanäle (16 vertikale Laserlinien) mit einer vertikalen Auflösung von 2 Grad aus und gilt seit Langem als De-facto-Standard für Machbarkeitsstudien im Bereich autonomes Fahren und Robotik. Der Ouster OS1-128 übernimmt die mechanische Rotationsstruktur von Velodyne und ergänzt sie um eine proprietäre „digitale LiDAR“-Architektur (Integration von Lasern und Detektoren in einem CMOS-Prozess), um eine hohe Kanalanzahl und eine hohe Punktwolkendichte zu erreichen. Der Livox Mid-360S übernimmt die IP67-Staub- und Wasserbeständigkeit sowie die integrierte IMU (ICM-40609) des Mid-360 und optimiert gleichzeitig die Nahbereichserkennung.

Im Automobil- und Industriebereich gewinnen die chinesischen Unternehmen Hesai und RoboSense mit ihren MEMS- und Halbleiterdesigns rasch Marktanteile. Hesais AT128 kombiniert 128 leistungsstarke Multijunction-VCSEL-Arrays mit 128 Avalanche-Photodioden-Detektoren in einem hybriden Festkörperdesign. Er wird von ADAS-Programmen mehrerer großer Automobilhersteller eingesetzt und hat sich millionenfach im Einsatz. RoboSense bietet zwei Produktlinien an: die MEMS-basierte M1-Serie und den vollständig in Festkörperbauweise gefertigten E1R, der weniger als 10 W verbraucht und somit sowohl die für die Automobilindustrie erforderliche Zuverlässigkeit als auch niedrige Kosten für die Robotik vereint. Bis 2026 wird die kombinierte jährliche Produktionskapazität der Branche für LiDAR-Systeme für autonomes Fahren voraussichtlich rund 4 Millionen Einheiten erreichen.

Was steckt wirklich hinter der Branche?

Die DARPA Grand Challenge brachte Velodyne hervor – Die Entstehungsgeschichte von LiDAR beginnt, kurioserweise, bei einem Hersteller von Audiogeräten. David Hall, Gründer von Velodyne Acoustics, arbeitete ursprünglich an HiFi-Lautsprechertechnologie für den Heimgebrauch. Als Teilnehmer der DARPA Grand Challenge 2004–2005 (einem Rennen für autonome Fahrzeuge über 240 Kilometer Wüste) versuchte er zunächst, mithilfe von Stereokameras zu navigieren. Nach Gesprächen mit anderen Teams wandte er sich jedoch LiDAR zu und entwickelte 2005 das weltweit erste Echtzeit-360°-Rundumsicht-LiDAR-System, den HDL-64, der 64 Laser mit 900 Umdrehungen pro Minute nutzte. Bei der DARPA Urban Challenge 2007 hatte fast jedes Team, das das Ziel erreichte, ein Velodyne-Gerät auf dem Dach montiert – dieser „Wüsten-Hack“ wurde zum Standard in der gesamten Branche des autonomen Fahrens.

Livox, ein Spin-off von DJI – Livox wurde 2016 gegründet, nachdem Ingenieure im internen Inkubator des Drohnengiganten DJI, dem Open Innovation Program, ein neues, nicht-repetitives Scanverfahren entwickelt hatten. Das Unternehmen hatte sich zum Ziel gesetzt, hochwertige, kostengünstige und zuverlässige LiDAR-Systeme für Anwendungen in den Bereichen Automobil, Smart City, Vermessung und mobile Robotik anzubieten. Seit der Markteinführung der Mid-Serie im Januar 2019 hat es über 1.500 Kunden in mehr als 26 Ländern und Regionen bedient. Die Systeme werden auch über den DJI Store, den Endkundenkanal, vertrieben – ein ungewöhnlicher Vertriebsweg für die LiDAR-Branche.

Waymos selbstentwickeltes LiDAR und der „Rückzug“ – In den Anfängen des autonomen Fahrens stieß Waymo (damals Google) auf Schwierigkeiten, da handelsübliche LiDAR-Systeme 75.000 US-Dollar pro Stück kosteten. Das Unternehmen reagierte darauf, indem es eigene Systeme entwickelte, die Produktion 2011 aufnahm und die Kosten Berichten zufolge um etwa das Zehnfache auf rund 7.500 US-Dollar senkte. 2019 begann das Unternehmen mit dem Verkauf des am Stoßfänger montierten Perimeter-LiDAR-Systems Laser Bear Honeycomb (95° vertikales Sichtfeld, 360° horizontal) an Firmen aus den Bereichen Robotik, Sicherheit und Landwirtschaft, die nicht mit seinem Robotaxi-Geschäft konkurrierten. Um 2021, nach etwa zweieinhalb Jahren, stellte es den Vertrieb jedoch ein – ein Beispiel dafür, wie schwierig es ist, eine Kerntechnologie des eigenen Unternehmens dauerhaft an externe Kunden zu liefern.

Hesais Rechtsstreit um die Einstufung als „chinesisches Militärunternehmen“ – 2024 setzte das US-Verteidigungsministerium das in Shanghai ansässige Unternehmen Hesai Technology zusammen mit mehreren anderen chinesischen Firmen auf seine Liste der „chinesischen Militärunternehmen“ (Liste 1260H). Hesai klagte im selben Jahr vor einem Bundesgericht in Washington und argumentierte, es sei „kein Militärunternehmen“ und seine Produkte seien ausschließlich für zivile Zwecke bestimmt. Im Juli 2025 bestätigte das Bezirksgericht die Börsenzulassung von Hesai, woraufhin Hesai Berufung beim Bundesberufungsgericht einlegte. Dies ist ein aktuelles Beispiel dafür, wie ein chinesisches Unternehmen mit einem bedeutenden globalen Marktanteil im Bereich LiDAR für die Automobilindustrie zwischen die Fronten geopolitischer Konflikte geraten kann.

Der Zusammenbruch von Luminar und Volvo – Luminar war eines der wenigen amerikanischen LiDAR-Startups, das einen Produktionsvertrag mit einem Automobilhersteller abschließen konnte. Die LiDAR-Systeme wurden serienmäßig in Volvos Elektro-SUV EX90 und Limousine ES90 verbaut. Ende 2025 beendete Volvo die Zusammenarbeit jedoch mit der Begründung, Luminar habe seinen vertraglichen Verpflichtungen nicht nachgekommen. Volvo kündigte an, die LiDAR-Systeme ab dem Modelljahr 2026 aus den Fahrzeugen zu entfernen und den bestehenden Besitzern eine Entschädigung von bis zu 18.000 norwegischen Kronen zu zahlen. Luminar meldete am 15. Dezember desselben Jahres Insolvenz nach Chapter 11 an. Dies ist eines der prominentesten Beispiele der jüngsten Zeit, wie die finanzielle Instabilität eines Zulieferers zum Flaschenhals für das branchenweite Ziel werden kann, LiDAR zur Standardausrüstung autonomer Fahrzeuge zu machen.

FAST-LIO und LiDAR-IMU-Fusion – Ein weit verbreiteter Algorithmus, der sich besonders für nicht-rotierende LiDAR-Systeme mit hoher Ausgabefrequenz wie den Livox Mid-360 eignet, ist FAST-LIO („A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter“, arXiv:2010.08196). Er wurde 2020 von Wei Xu, Fu Zhang und Kollegen der Universität Hongkong veröffentlicht. FAST-LIO fusioniert LiDAR-Merkmalspunkte mit IMU-Daten mittels eines eng gekoppelten iterierten Kalman-Filters. Dabei wird eine neue Formulierung verwendet, die die Kalman-Verstärkung anhand der Zustandsdimension anstatt der Messdimension berechnet. Dies ermöglicht eine deutlich schnellere Verarbeitung als bisherige Methoden. Der 2021 erschienene Nachfolger FAST-LIO2 (arXiv:2107.06829) registriert Rohpunktwolken direkt auf der Karte, ohne Merkmale zu extrahieren, und wird in vielen realen Robotikprojekten eingesetzt. Auch die Forschung zu den Scaneigenschaften des Livox-Ansatzes wird fortgesetzt – beispielsweise in einer Studie, die repetitive und nicht-repetitive Scanmuster für am Straßenrand installierte LiDAR-Systeme vergleicht (arXiv:2511.00060).

Leistungsbestimmende Parameter: Prioritäten je nach Anwendungsfall

• Punktwolkendichte: Entscheidend für die Erkennung kleiner, weit entfernter Objekte (z. B. Personen, Hinderniskanten). Eine geringere Dichte bedeutet, dass weniger Laserpunkte das Ziel treffen, was zu Fehldetektionen führt. Produkte für den Automobilbereich und hochauflösende Anwendungen erreichen zunehmend Werte von über einer Million Punkten pro Sekunde – darunter der AT128 von Hesai (über 1,5 Millionen/Sek.) und der OS1-128 von Ouster (2,62 Millionen/Sek.).

• Sichtfeld (FOV): Ein Roboter, der seine gesamte Umgebung mit einer Einheit erfassen muss, benötigt ein horizontales Sichtfeld von 360°. Im Gegensatz dazu kann eine Fahrzeuganwendung, die nur die Vorwärtsüberwachung erfordert, die Reichweite gegenüber einem begrenzten Sichtfeld priorisieren, wie beispielsweise beim AT128 von Hesai (120° horizontal) oder dem E1R von RoboSense (120° x 90°).

• Reichweite: Schnellere Fahrzeuge benötigen eine größere Reichweite, um einen ausreichenden Bremsweg zu gewährleisten. Ousters OS2 mit 240 m Reichweite ist für den Einsatz auf Autobahnen konzipiert, während bei langsameren Robotern die Genauigkeit der Nahbereichserkennung wichtiger ist.

• Minimaler Erfassungsabstand: Für einen Roboterarm, der sich in unmittelbarer Nähe eines Hindernisses bewegt, ist eine „tote Zone“, in der nahe Objekte nicht erkannt werden können, gefährlich. Genau dieses Problem löst die überarbeitete Nahbereichserkennung des Mid-360S.

• Vertikale Auflösung: Sie ist entscheidend für die Erkennung feiner Oberflächenunebenheiten wie Bodenwellen oder Bordsteinkanten. Die 16-Kanal-Konfiguration mit 2-Grad-Schritten des Velodyne Puck VLP-16 bietet ein optimales Verhältnis zwischen Auflösung und Kosten.

• Stromverbrauch: Bei akkubetriebenen Drohnen und kleinen Robotern wirkt sich der Stromverbrauch direkt auf die Flug- oder Betriebszeit aus. Der Stromverbrauch des RoboSense E1R unter 10 W ist ein Designmerkmal, das speziell für diesen Anwendungsfall entwickelt wurde.

• Die Punktverteilungseigenschaften, die sich aus dem Scanverfahren selbst ergeben: Ein nicht rotierendes Design wie das von Livox weist eine ungleichmäßige Verteilung auf, die in der Mitte des Sichtfelds dichter ist als an den Rändern. Daher kann die Detektionsgenauigkeit am Rand hinter der eines rotierenden Designs zurückbleiben. In der Praxis beeinflusst die Fähigkeit der Plattform, lange Integrationszeiten zu ermöglichen (stationär oder langsam vs. schnell), die Leistung im realen Einsatz maßgeblich.

Numerische Interpretation von Punktwolken: Zeitmessung und Winkelauflösung

Die Reichweitenangabe im Datenblatt reicht nicht aus, um die Leistung eines LiDAR-Systems vorherzusagen. Eine erste Abschätzung der Reichweitenabweichung ergibt sich aus der Umrechnung des Zeitmessfehlers in eine Entfernung. Beträgt der Pulszeitfehler \sigma_T, so ist die Standardabweichung der Entfernung:

Beispielsweise ergibt \sigma_T=100\,\mathrm{ps} den Wert \sigma_D\simeq15\,\mathrm{mm}, wenn c\simeq3.0\times10^8\,\mathrm{m/s}. Dies ist lediglich der interne Zeitbeitrag des Sensors; Reflexionsvermögen, Einfallswinkel, Regentropfen, Mehrwegeausbreitung und externe Kalibrierungsfehler addieren sich separat.

Die Winkelauflösung bestimmt, wie weit benachbarte Punkte in einer bestimmten Entfernung voneinander entfernt erscheinen. Sind benachbarte Laserstrahlen in der Entfernung D um \theta getrennt, so beträgt ihr seitlicher Abstand in Kleinwinkelnäherung:

Bei D=10\,\mathrm{m} und \theta=0.2^\circ beträgt s\simeq35\,\mathrm{mm}. Um einen dünnen Mast zuverlässig zu erkennen, sollten Sie nicht nur die Punkte pro Sekunde, sondern auch die Anzahl der Scanlinien, die das Ziel kreuzen, und die ausreichende Integrationszeit der beweglichen Plattform überprüfen.

Diese beiden Fehlerquellen führen zu unterschiedlichen Designentscheidungen. Für die Erkennung kleiner Objekte über große Entfernungen sollten Empfängerempfindlichkeit und Zeitauflösung zusammen mit Winkelauflösung, Abtastperiode und Fahrzeuggeschwindigkeit bewertet werden. Bei einem langsamen Indoor-Roboter ist die Verbesserung der maximalen Reichweite möglicherweise weniger wichtig als die minimale Erfassungsdistanz, die Bodenreflexion und die Zeitstempelgenauigkeit im ROS-Treiber.

Referenzen

• Produktseite Livox Mid-360S
• Produktseite Livox Mid-360
• Pressemitteilung zur Markteinführung des Mid-360S (Symphotony)
• Technische Daten des Velodyne VLP-16 (Ouster)
• Produktseite Ouster OS1
• Produktseite Ouster OS2
• Produktseite Hesai AT128
• Produktseite RoboSense RS-LiDAR-M1
• [Testbericht RoboSense E1R] (OpenELAB)](https://openelab.io/blogs/learn/robosense-e1r-solid-state-lidar-review-automotive-grade-3d-vision-for-robotics)
• CES 2026 LiDAR-Trends (Hesai, RoboSense)
• Es begann mit einem Wettlauf – 16 Jahre Velodyne LiDAR (Velodyne)
• David Hall (Wikipedia)
• DJI-Spin-off Livox bietet neue LiDAR-Technologie (SiliconANGLE)
• Waymo beendet LiDAR-Verkauf an andere Unternehmen (The Robot Report)
• 3D-Perimeter-LiDAR für Partner (Waymo-Blog)
• [Gericht in Washington, D.C. bestätigt Hesais Einstufung als Chinesisches Militärunternehmen (Communications Daily)
• Volvo beendet Zusammenarbeit mit Luminar, verzichtet bei Modellen ab 2026 auf LiDAR (Jalopnik)
• Volvo verzichtet bei EX90 und ES90 endgültig auf LiDAR und zahlt Entschädigung an Besitzer (Electrek)

• FAST-LIO-Paper (arXiv:2010.08196)

• FAST-LIO2-Paper (arXiv:2107.06829)

• Welches LiDAR-Abtastmuster eignet sich besser für die Straßenranderkennung (arXiv:2511.00060)