Como funciona o LiDAR e principais produtos — Livox, Velodyne, Hesai

Contents — find the section you need

O LiDAR (Light Detection and Ranging) mede o tempo que a luz laser emitida leva para refletir em um objeto e retornar (Tempo de Voo, ToF), e então calcula a distância a partir da velocidade da luz. Enquanto uma câmera captura "cor e padrão", o LiDAR pode capturar diretamente a forma 3D real de um objeto, sem ser afetado pelas condições de iluminação — essa é sua maior vantagem, e é amplamente utilizado para a percepção do ambiente em veículos autônomos e para SLAM (localização e mapeamento simultâneos) em robótica. Esse campo foi pioneiro pela americana Velodyne, impulsionado para custos mais baixos pela Livox (uma empresa derivada da DJI) e agora vê as chinesas Hesai e RoboSense entrando na liderança em escala de produção em massa — um mercado cujo equilíbrio de poder mudou drasticamente em pouco mais de uma década.

Família de sensores da Velodyne (Alpha Prime, Ultra Puck, Puck)

Família Velodyne Alpha Prime / Ultra Puck / Puck

Três modelos LiDAR da Livox em exibição (Mid-40, Horizon, Tele-15)

Livox Mid-40 / Horizon / Tele-15

Imagens: Velodyne Lidar Alpha Prime Ultra Puck Puck Sensor Family (APJarvis, CC BY-SA 4.0) / Livox Mid-40, Livox Horizon e Livox Tele-15 (Dllu, CC BY-SA 4.0), ambos Wikimedia Commons. Estes não são os modelos mais recentes específicos comparados no texto (VLP-16, Mid-360S), mas exemplos representativos da linha de produtos de cada empresa.

Princípio: cálculo da distância a partir do tempo de ida e volta da luz

O princípio básico do LiDAR é simples. Ele emite um pulso de laser, mede o tempo que leva para refletir em um objeto e retornar, e calcula a distância a partir da velocidade da luz (m/s).

A divisão por dois leva em conta o tempo que o pulso leva para percorrer a distância até o alvo e retornar. Como a velocidade da luz é extremamente alta, essa diferença de tempo precisa ser medida na ordem de nanossegundos (bilionésimos de segundo) — por exemplo, o tempo de ida e volta até um objeto a 10 metros de distância é de apenas cerca de 67 nanossegundos, e essa altíssima velocidade de medição é exatamente o que torna o LiDAR tecnicamente complexo. Existem duas abordagens principais: dToF (tempo de voo direto), que mede diretamente o tempo de ida e volta de um pulso, e iToF (tempo de voo indireto, incluindo FMCW), que deriva a distância a partir da mudança de fase de um feixe contínuo modulado. A maioria dos produtos de longo alcance para uso externo adota o dToF.

Diagrama do princípio do LiDAR ToF

Imagem: Concept de LiDAR (Cartographer3d, CC BY-SA 4.0), Wikimedia Commons.

Métodos de escaneamento: de unidades mecânicas rotativas a projetos não rotativos (de estado sólido)

Os métodos de escaneamento LiDAR se dividem em três categorias principais.

Tipo mecânico rotativo empilha unidades emissoras/receptoras de laser e gira todo o conjunto com um motor em 360 graus — a abordagem original pioneira da Velodyne. Ele pode cobrir uniformemente todo o entorno de 360 graus, mas as partes móveis tendem a colocá-lo em desvantagem em termos de durabilidade e custo.

O tipo MEMS é uma abordagem semi-sólida que escaneia o laser vibrando um minúsculo espelho (um espelho MEMS) em alta velocidade; suas partes móveis são pequenas, facilitando a redução de custos. É uma das principais abordagens para LiDAR automotivo produzido em massa, usado na série M1 da RoboSense, entre outros.

O não rotativo (abordagem proprietária da Livox) gira dois prismas (prismas de Risley) em velocidades diferentes para direcionar o laser em um padrão de varredura não repetitivo em forma de pétala (uma curva de Rodoneia). Quando a razão entre as velocidades de rotação dos dois prismas se aproxima de um número irracional, a trajetória de varredura teoricamente nunca refaz o mesmo caminho, de modo que a densidade da nuvem de pontos continua aumentando à medida que a integração se prolonga ao longo do tempo. Como o padrão de varredura cruza o centro do campo de visão com mais frequência do que a periferia, ele produz uma distribuição de densidade caracteristicamente não uniforme, mais densa no centro do que nas bordas (o espaçamento entre linhas no centro do campo de visão é de cerca de 0,2 graus, mais denso do que um LiDAR convencional de 64 linhas). Esse design mantém as partes móveis compactas, ao mesmo tempo que proporciona um amplo campo de visão, mas sua densidade instantânea da nuvem de pontos fica atrás de um design rotativo, e o desempenho é limitado em plataformas de movimento rápido que não podem suportar longos tempos de integração.

Comparação das principais especificações do produto

Produto	Método	Alcance	Densidade da nuvem de pontos	Campo de visão
Velodyne (agora Ouster) Puck VLP-16	Rotativo mecânico, 16 canais	100 m	Aprox. 300.000 pontos/seg (retorno único, aprox. 600.000 pontos/seg com retorno duplo)	Horizontal 360°, vertical 30° (±15°)
Ouster OS1-128	LiDAR digital mecânico rotativo, 128 canais	90m (alvo escuro, 10% de refletividade)	Aprox. 2,62 milhões de pontos/seg	Horizontal 360°, vertical 45° (42,4°)
Ouster OS2	LiDAR digital mecânico rotativo	240m	—	Horizontal 360°
Livox Mid-360	Não rotativo (varredura por prisma)	—	200.000 pontos/seg	Horizontal 360°, vertical 59°
Livox Mid-360S (sucessor do Mid-360, lançamento previsto para junho de 2026)	Não rotativo (varredura por prisma)	Distância mínima de detecção de 10 cm	Mantém 200.000 pontos/seg	Horizontal 360°, vertical 59°
Hesai AT128	Híbrido de estado sólido, 128 canais (VCSEL de 905 nm)	200 m (10% de refletividade), alcance efetivo de detecção no solo de aproximadamente 70 m	Mais de 1,5 milhão de pontos/seg	Horizontal 120°
RoboSense RS-LiDAR-M1	MEMS, grau de produção em massa para a indústria automotiva	200 m (150 m a 10% de refletividade)	—	—
RoboSense E1R	Totalmente de estado sólido, 144 canais	75 m	—	Horizontal 120° x vertical 90°, consumo de energia inferior a 10 W

O Velodyne Puck VLP-16 se destaca por seus 16 canais (16 linhas de laser verticais), que proporcionam resolução vertical de 2 graus, e há muito tempo é considerado o padrão de fato em projetos de direção autônoma e robótica. O OS1-128 da Ouster herda a estrutura mecânica rotativa do Velodyne, adicionando uma arquitetura proprietária de "LiDAR digital" (que integra lasers e detectores em um processo CMOS) para alcançar alta contagem de canais e alta densidade de nuvem de pontos. O Livox Mid-360S herda a resistência à poeira e água IP67 do Mid-360 e a IMU integrada (ICM-40609), além de aprimorar o desempenho de detecção em curta distância.

Em aplicações automotivas e industriais, as chinesas Hesai e RoboSense estão ganhando participação de mercado rapidamente com projetos baseados em MEMS e tecnologia de estado sólido. O AT128 da Hesai combina 128 matrizes VCSEL de múltiplas junções de alta potência com 128 detectores de fotodiodos de avalanche em um design híbrido de estado sólido; ele foi adotado por programas ADAS em diversas montadoras importantes, com implantação cumulativa atingindo vários milhões de unidades. A RoboSense divide sua linha de produtos entre a série M1, baseada em MEMS, e o E1R, totalmente de estado sólido, que consome menos de 10 W, oferecendo confiabilidade de nível automotivo e baixo custo para robótica. Em 2026, a capacidade de produção anual combinada da indústria para LiDAR de direção autônoma atingiu aproximadamente 4 milhões de unidades.

O que realmente está por trás da indústria

O Desafio Grand Challenge da DARPA deu origem à Velodyne — a história da origem do LiDAR, curiosamente, começa com um fabricante de equipamentos de áudio. David Hall, fundador da Velodyne Acoustics, trabalhou originalmente com tecnologia de alto-falantes domésticos de alta fidelidade. Competindo no DARPA Grand Challenge de 2004-2005 (uma corrida de veículos autônomos por 240 quilômetros no deserto), ele inicialmente tentou a navegação baseada em câmeras estéreo, mas depois de discutir abordagens com outras equipes, voltou-se para o LiDAR e, em 2005, construiu o primeiro LiDAR de visão panorâmica de 360 graus em tempo real do mundo, o HDL-64, com 64 lasers girando a 900 rpm. No DARPA Urban Challenge de 2007, quase todas as equipes que terminaram a prova tinham uma unidade Velodyne instalada no teto — essa "gambiarra para o deserto" tornou-se o equipamento padrão de toda a indústria de direção autônoma.

Livox, uma spin-off da DJI — A Livox foi fundada em 2016 depois que engenheiros do programa Open Innovation Program, incubadora interna da gigante de drones DJI, desenvolveram um novo método de escaneamento não repetitivo. A empresa se propôs a fornecer LiDAR de alta qualidade, baixo custo e confiável para aplicações automotivas, cidades inteligentes, topografia e robótica móvel. Desde o lançamento da série Mid em janeiro de 2019, atendeu mais de 1.500 clientes em mais de 26 países e regiões. Seus produtos também são vendidos pelo canal de varejo da DJI Store, voltado para o consumidor final — um caminho de distribuição incomum para o setor de LiDAR.

O LiDAR desenvolvido internamente pela Waymo e sua "retirada" — No início de sua trajetória na direção autônoma, a Waymo (na época, Google) enfrentou dificuldades devido ao custo de US $75.000 por unidade de LiDAR comercial. Como resposta, a empresa desenvolveu seu próprio sistema, iniciando a produção em 2011 e, segundo relatos, reduzindo o custo em cerca de dez vezes, para aproximadamente US$ 7.500. Em 2019, a empresa começou a vender um LiDAR perimetral montado em para-choques, o Laser Bear Honeycomb (campo de visão vertical de 95°, horizontal de 360°), para empresas de robótica, segurança e agricultura que não competiam com seu negócio de robotáxis. Mas por volta de 2021, após aproximadamente dois anos e meio de vendas externas, interrompeu as atividades — um exemplo de como é difícil continuar fornecendo um componente essencial de sua própria tecnologia para terceiros.

Batalha judicial da Hesai sobre ser designada como "empresa militar chinesa" — Em 2024, o Departamento de Defesa dos EUA adicionou a Hesai Technology, com sede em Xangai, juntamente com várias outras empresas chinesas, à sua lista de "empresas militares chinesas" (a lista 1260H). A Hesai entrou com uma ação judicial em um tribunal federal em Washington no mesmo ano, argumentando que "não é uma empresa militar" e que seus produtos são destinados apenas ao uso civil. Em julho de 2025, o tribunal distrital manteve a inclusão da Hesai na lista, e a empresa recorreu ao tribunal federal de apelações. É um exemplo concreto de uma empresa chinesa com grande participação global no mercado de LiDAR automotivo sendo pega no fogo cruzado geopolítico.

O colapso da Luminar-Volvo — A Luminar foi uma das poucas startups americanas de LiDAR a conquistar um contrato de produção com uma montadora, com LiDAR de série no SUV elétrico EX90 e no sedã ES90 da Volvo. Mas, no final de 2025, a Volvo encerrou a parceria, alegando que a Luminar não havia cumprido suas obrigações contratuais, e anunciou que removeria o LiDAR dos veículos a partir do ano-modelo 2026, pagando aos proprietários existentes uma indenização de até 18.000 coroas norueguesas. A Luminar entrou com pedido de recuperação judicial (Chapter 11) em 15 de dezembro daquele ano. Este é um dos maiores exemplos recentes de como a fragilidade financeira de um fornecedor pode se tornar um obstáculo para o objetivo mais amplo da indústria de tornar o LiDAR um equipamento padrão em veículos autônomos.

O colapso da Luminar-Volvo — A Luminar foi uma das poucas startups americanas de LiDAR a conquistar um contrato de produção com uma montadora, com LiDAR de série em veículos autônomos. Fusão FAST-LIO e LiDAR-IMU — Um algoritmo amplamente utilizado que funciona bem com LiDARs não rotativos de alta frequência, como o Livox Mid-360, é o FAST-LIO ("Um Pacote Rápido e Robusto de Odometria Inercial LiDAR por Filtro de Kalman Iterado de Acoplamento Estreito", arXiv:2010.08196), publicado em 2020 por Wei Xu, Fu Zhang e colegas da Universidade de Hong Kong. Ele funde pontos característicos do LiDAR com dados da IMU por meio de um filtro de Kalman iterado de acoplamento estreito, usando uma nova formulação que calcula o ganho de Kalman com base na dimensão do estado, em vez da dimensão da medição, alcançando um processamento substancialmente mais rápido do que os métodos anteriores na época. Seu sucessor de 2021, o FAST-LIO2 (arXiv:2107.06829), evoluiu para o registro de nuvens de pontos brutas diretamente no mapa, sem extração de características, e é usado em muitos projetos reais de robótica. Pesquisas sobre as características de escaneamento da abordagem da Livox continuam surgindo — por exemplo, um artigo comparando padrões de escaneamento repetitivos e não repetitivos para LiDAR instalado à beira da estrada (arXiv:2511.00060).

Parâmetros que determinam o desempenho: as prioridades mudam conforme o caso de uso

Densidade da nuvem de pontos: Importa quando você precisa detectar pequenos objetos distantes (uma pessoa, a borda de um obstáculo). Uma densidade menor significa que menos pontos de laser atingem o alvo, o que leva a detecções perdidas. Produtos voltados para uso automotivo e de alta resolução estão cada vez mais ultrapassando um milhão de pontos por segundo — o AT128 da Hesai (mais de 1,5 milhão/seg) e o OS1-128 da Ouster (2,62 milhões/seg) estão entre eles.
FOV (campo de visão): Um robô que precisa cobrir todo o seu entorno com uma única unidade requer um campo de visão horizontal completo de 360°. Por outro lado, uma aplicação veicular que necessita apenas de monitoramento frontal pode priorizar o desempenho de longo alcance (alcance) em detrimento de um campo de visão limitado, como no caso do AT128 da Hesai (120° horizontal) ou do E1R da RoboSense (120° x 90°).
Alcance: Veículos que se movem mais rapidamente precisam de maior alcance para garantir uma distância de frenagem adequada. O OS2 da Ouster, com 240 m, foi projetado para operação em rodovias, enquanto para robôs que se movem mais lentamente, a precisão da detecção em curto alcance tende a ser mais importante.
Distância mínima de detecção: Para um braço robótico que trabalha bem próximo a um obstáculo, uma "zona morta" onde objetos próximos não podem ser detectados é perigosa. Este é exatamente o ponto abordado pela detecção de curto alcance revisada do Mid-360S.
Resolução vertical: Importa quando você precisa detectar pequenas irregularidades na superfície, como lombadas ou meio-fios. A configuração de 16 canais e incrementos de 2 graus do Velodyne Puck VLP-16 é um projeto que equilibra essa resolução com o custo.
Consumo de energia: Para drones e pequenos robôs alimentados por bateria, o consumo de energia se traduz diretamente em tempo de voo ou operação. O consumo inferior a 10 W do RoboSense E1R é um valor de projeto que visa claramente esse caso de uso.
As características de distribuição de pontos que vêm do próprio método de varredura: Um projeto não rotativo, como o da Livox, tem uma distribuição não uniforme, mais densa no centro do campo de visão do que nas bordas, portanto, a precisão da detecção na periferia pode ficar atrás de um projeto rotativo. Na prática, a capacidade da plataforma de suportar longos tempos de integração (estacionário ou de movimento lento versus movimento rápido) afeta significativamente o desempenho no mundo real.

Leitura numérica de nuvens de pontos: Tempo e resolução angular

O valor de alcance em uma folha de dados não é suficiente para prever a aparência de um LiDAR. Uma primeira estimativa da variação de alcance vem da conversão do erro de temporização em distância. Se o erro de temporização do pulso for $\sigma_T$ , o desvio padrão do alcance será

\sigma_D \simeq \frac{c}{2}\sigma_T

Por exemplo, $\sigma_T=100\,\mathrm{ps}$ resulta em $\sigma_D\simeq15\,\mathrm{mm}$ quando $c\simeq3.0\times10^8\,\mathrm{m/s}$ . Esta é apenas a contribuição da temporização interna do sensor; erros de refletividade, ângulo de incidência, gotas de chuva, multicaminho e calibração extrínseca se somam separadamente.

A resolução angular determina a distância aparente entre pontos vizinhos. Se os raios laser adjacentes estiverem separados por $\theta$ a uma distância de $D$ , seu espaçamento lateral será, sob a aproximação de pequenos ângulos,

s \simeq D\tan\theta

Em $D=10\,\mathrm{m}$ e $\theta=0.2^\circ$ , $s\simeq35\,\mathrm{mm}$ . Para detectar um poste fino de forma confiável, verifique não apenas os pontos por segundo, mas também quantas linhas de varredura cruzam o alvo e se a plataforma móvel permite tempo de integração suficiente.

Diagrama: Duskcoil. Esquema que separa o erro de temporização do ToF pulsado do espaçamento entre pontos em um plano à frente; não são dados medidos ou precisão total do sensor.

Essas duas fontes de erro levam a diferentes decisões de projeto. Para detecção de objetos pequenos em longo alcance, avalie a sensibilidade do receptor e a resolução de temporização juntamente com a resolução angular, o período de varredura e a velocidade do veículo. Para um robô lento em ambientes internos, melhorar o alcance máximo pode ser menos importante do que a distância mínima de detecção, a refletância do piso e a precisão do carimbo de data/hora no driver ROS.

Verifique seu entendimento

Mais pontos garantem a detecção de um objeto fino? Obstáculo?

O espaçamento angular, o alcance, a refletividade e o padrão de varredura determinam os acertos. A contagem total de pontos não especifica a cobertura de um alvo específico.

Referências

What to read next

Review the backgroundComo funcionam os SBCs e principais produtos — Raspberry Pi 5, Jetson, Coral Continue the seriesComo funcionam as câmeras monoculares e principais produtos — Mobileye, Tesla, Continental Explore another aspect of this fieldLeia o registro de uma IMU estacionária: viés, dispersão e desvio de Allan.

#LiDAR #Livox #Velodyne #Hesai #RoboSense #Sensor #Autonomous Driving