Contents — find the section you need
激光雷达（LiDAR，光探测和测距）测量发射的激光束从物体反射回来所需的时间（飞行时间，ToF），然后根据光速反推距离。与相机捕捉“颜色和图案”不同，激光雷达可以直接捕捉物体的真实三维形状，不受光照条件的影响——这是它最大的优势，因此被广泛应用于自动驾驶车辆的周围环境感知以及机器人领域的SLAM（即时定位与地图构建）。该领域由美国Velodyne公司开创，Livox（大疆创新旗下公司）推动其成本降低，如今，中国的合赛光电和RoboSense等公司正凭借大规模生产跻身领先行列——短短十余年间，该市场的格局已发生翻天覆地的变化。
Velodyne Alpha Prime / Ultra Puck / Puck 系列
Livox Mid-40 / Horizon / Tele-15图片：Velodyne Lidar Alpha Prime Ultra Puck Puck 传感器系列 (APJarvis, CC BY-SA 4.0) / Livox Mid-40, Livox Horizon 和 Livox Tele-15 (Dllu，CC BY-SA 4.0)，均来自 Wikimedia Commons。这些并非文中比较的最新型号（VLP-16、Mid-360S），而是各公司产品线的代表性示例。
原理：根据光往返时间反算距离
激光雷达的基本原理很简单。它发射一个激光脉冲，测量脉冲从物体反射并返回所需的时间，然后根据光速（c 米/秒）反算距离。
除以二是为了计算脉冲往返目标所需的时间。由于光速极快，这种时间差必须以纳秒（十亿分之一秒）为单位进行测量——例如，光脉冲往返10米外物体的飞行时间仅约67纳秒，而这种超高速的计时正是激光雷达技术难度所在。目前主要有两种方法：直接飞行时间法（dToF），它直接测量脉冲的往返时间；以及间接飞行时间法（iToF，包括调频连续波法），它通过调制连续光束的相位偏移来推导距离。大多数远距离户外激光雷达产品都采用dToF方法。
激光雷达飞行时间原理图图片：Concept of LiDAR (Cartographer3d, CC BY-SA 4.0), Wikimedia Commons.
扫描方法：从机械旋转单元到非旋转（固态）设计
激光雷达扫描方法大致分为三类。
机械旋转型将激光发射器/接收器单元堆叠起来，并用电机驱动整个组件旋转360度——这是Velodyne公司首创的方法。它可以均匀覆盖360度全方位，但其运动部件往往会使其在耐用性和成本方面处于劣势。
MEMS型是一种半固态方法，它通过高速振动微型反射镜（MEMS反射镜）来扫描激光；其运动部件很小，因此更容易降低成本。它是量产型汽车激光雷达的主流方法之一，例如RoboSense的M1系列就采用了这种方法。
非旋转式（Livox的专有方法）通过两个棱镜（Risley棱镜）以不同的速度旋转来引导激光沿非重复的花瓣状扫描模式（罗多尼亚曲线）运动。当两个棱镜的旋转速度比接近无理数时，理论上扫描轨迹永远不会重复，因此点云密度会随着时间的推移而不断增加。由于扫描模式穿过视场中心的频率高于边缘，因此会产生一种特征性的非均匀密度分布，中心密度高于边缘（视场中心的线间距约为 0.2 度，比传统的 64 线激光雷达更密集）。这种设计在保持运动部件紧凑的同时实现了宽广的视场，但其瞬时点云密度低于旋转式设计，并且在无法承受长时间积分的快速移动平台上性能受限。
主要产品规格对比
| 产品 | 方法 | 范围 | 点云密度 | 视场 |
|---|---|---|---|---|
| Velodyne（现为 Ouster）Puck VLP-16 | 机械旋转式，16 通道 | 100 米 | 约300,000 点/秒（单次回波，双次回波时约 600,000 点/秒） | 水平 360°，垂直 30° (±15°) |
| Ouster OS1-128 | 机械旋转式数字激光雷达，128 通道 | 90 米（暗目标，10% 反射率） | 约 262 万点/秒 | 水平 360°，垂直 45° (42.4°) |
| Ouster OS2 | 机械旋转式数字激光雷达 | 240 米 | — | 水平 360° |
| Livox Mid-360 | 非旋转式（棱镜扫描） | — | 200,000 点/秒 | 水平 360°，垂直 59° |
| Livox Mid-360S（Mid-360 的后续产品，预计 2026 年 6 月发布） | 非旋转式（棱镜扫描） | 最小探测距离 10 厘米 | 保持 20 万点/秒的采样率 | 水平 360°，垂直 59° |
| Hesai AT128 | 混合固态，128 通道（905nm VCSEL） | 200 米（10% 反射率），有效地面探测范围约 70 米 | 超过 150 万点/秒 | 水平 120° |
| RoboSense RS-LiDAR-M1 | MEMS，汽车级量产 | 200 米（10% 反射率下 150 米） | — | — |
| RoboSense E1R | 全固态，144 通道 | 75 米 | — | 水平 120° x 垂直 90°，功耗低于 10W |
Velodyne Puck VLP-16 的特点是拥有 16 个通道（16 条垂直激光线），可提供 2 度的垂直分辨率，长期以来一直是自动驾驶和机器人概念验证工作的实际标准。Ouster 的 OS1-128 继承了 Velodyne 的机械旋转结构，并添加了专有的“数字激光雷达”架构（在 CMOS 工艺上集成激光器和探测器），从而实现了高通道数和高点云密度。Livox Mid-360S 继承了 Mid-360 的 IP67 防尘防水等级和内置 IMU（ICM-40609），并改进了近距离探测性能。
在汽车和工业应用领域，中国的和赛和 RoboSense 凭借 MEMS 和固态设计正在迅速抢占市场份额。合赛的AT128采用混合固态设计，将128个高功率多结VCSEL阵列与128个雪崩光电二极管探测器相结合；它已被多家主流汽车制造商的ADAS项目采用，累计部署量达数百万台。RoboSense的产品线分为基于MEMS的M1系列和全固态的E1R系列，后者功耗低于10W，兼顾了汽车级可靠性和机器人应用所需的低成本。截至2026年，自动驾驶激光雷达的行业年产能总计已达到约400万台。
行业背后的故事
DARPA挑战赛催生了Velodyne——激光雷达的起源故事颇为奇特，它始于一家音频设备制造商。Velodyne Acoustics的创始人David Hall最初从事高保真家用扬声器技术的研究。在2004-2005年的DARPA挑战赛（一项自动驾驶车辆穿越150英里沙漠的比赛）中，他最初尝试了基于立体摄像头的导航，但在与其他团队讨论方案后，他转向了激光雷达（LiDAR）。到2005年，他制造出了世界上第一台实时360度环视激光雷达HDL-64，它以每分钟900转的速度旋转64个激光器。在2007年的DARPA城市挑战赛中，几乎所有完赛的团队都在车顶安装了一台Velodyne设备——这种“沙漠黑客”成为了整个自动驾驶行业的标准装备。
Livox，大疆创新（DJI）的衍生公司——Livox成立于2016年，此前，无人机巨头大疆创新内部孵化器“开放创新计划”（Open Innovation Program）的工程师们开发了一种新的非重复扫描方法。该公司致力于为汽车、智慧城市、测绘和移动机器人等应用领域提供高质量、低成本、高可靠性的激光雷达。自2019年1月推出Mid系列产品以来，已为遍布26个国家和地区的1500多家客户提供服务。此外，其产品还通过DJI Store面向消费者的零售渠道进行销售——这在激光雷达行业是一种不寻常的分销方式。
Waymo的自主研发激光雷达及其“逆袭”——在自动驾驶技术发展的早期阶段，Waymo（当时隶属于谷歌）曾因市面上现成的激光雷达单价高达7.5万美元而举步维艰。为了应对这一挑战，Waymo决定自主研发激光雷达，并于2011年开始量产，据报道，其成本已大幅降低至原先的十分之一左右，约为7500美元。 2019年，和赛科技开始向机器人、安防和农业领域的公司销售一款安装在保险杠上的周界激光雷达——Laser Bear Honeycomb（垂直视场角95°，水平视场角360°），这些公司与其自动驾驶出租车业务并无直接竞争关系。但大约在2021年，在对外销售两年半之后，和赛科技停止了销售——这说明向外部供应商持续供应自身核心技术有多么困难。
和赛科技就被认定为“中国军工企业”的法律纠纷——2024年，美国国防部将总部位于上海的和赛科技以及其他几家中国公司列入“中国军工企业”名单（1260H名单）。同年，和赛科技在华盛顿联邦法院提起诉讼，辩称其“并非军工企业”，其产品仅供民用。 2025年7月，地方法院维持了和赛科技的上市资格，和赛科技随后向联邦上诉法院提起上诉。这是一个中国企业在全球汽车激光雷达领域占据重要份额，却被卷入地缘政治漩涡的鲜活案例。
Luminar与沃尔沃的合作破裂——Luminar是少数几家赢得汽车制造商正式生产合同的美国激光雷达初创公司之一，其激光雷达被沃尔沃EX90电动SUV和ES90轿车作为标准配置。但在2025年底，沃尔沃终止了与Luminar的合作关系，称其未能履行合同义务，并宣布将从2026款车型开始移除车辆上的激光雷达，向现有车主支付最高18,000挪威克朗的补偿。同年12月15日，Luminar申请破产保护。这是近期供应商财务脆弱性成为行业实现“将激光雷达（LiDAR）作为自动驾驶车辆标配”这一更广泛目标的最大瓶颈之一。
FAST-LIO 和激光雷达-惯性测量单元（LiDAR-IMU）融合——FAST-LIO（“基于紧耦合迭代卡尔曼滤波器的快速、鲁棒的激光雷达-惯性里程计软件包”，arXiv:2010.08196）是一种广泛应用的算法，与 Livox Mid-360 等非旋转、高频输出的激光雷达配合良好。该算法由香港大学的徐伟、张福及其同事于 2020 年发表。它通过紧耦合迭代卡尔曼滤波器将激光雷达特征点与惯性测量单元（IMU）数据融合，并采用了一种新的公式，该公式基于状态维度而非测量维度计算卡尔曼增益，从而实现了比当时现有方法更快的处理速度。其 2021 年的后续产品 FAST-LIO2 (arXiv:2107.06829) 发展到无需特征提取即可将原始点云直接配准到地图，并已应用于许多实际机器人项目中。关于 Livox 自身方法的扫描特性研究也持续涌现——例如，一篇比较路边安装式激光雷达重复扫描模式和非重复扫描模式的论文 (arXiv:2511.00060)。
决定性能的参数：优先级随应用场景而变化
-
点云密度：当需要检测远处的小型物体（例如人、障碍物边缘）时，点云密度至关重要。密度越低，实际落在目标上的激光点就越少，从而导致漏检。面向汽车和高分辨率应用的产品，其采样率正日益超过每秒百万点——例如 Hesai 的 AT128（超过每秒 150 万点）和 Ouster 的 OS1-128（每秒 262 万点）。
-
视场角 (FOV)：需要用单个设备覆盖整个周围环境的机器人需要完整的 360° 水平视场角。相反，仅需前向监控的车辆应用可以优先考虑远距离性能（探测范围），而非有限的视场角，例如 Hesai 的 AT128（水平 120°）或 RoboSense 的 E1R（水平 120° x 90°）。
-
探测范围：高速行驶的车辆需要更远的探测范围才能确保足够的制动距离。 Ouster 的 OS2 有效探测距离为 240 米，专为高速公路货车运输作业而设计；而对于移动速度较慢的机器人而言，近距离探测精度则更为重要。
-
最小探测距离：对于需要紧贴障碍物作业的机械臂来说，无法探测到近处物体的“盲区”是十分危险的。Mid-360S 改进的近距离探测功能正是为了解决这一问题。
-
垂直分辨率：当需要探测路面细微的不规则之处，例如路面凸起或路缘石时，垂直分辨率至关重要。Velodyne Puck VLP-16 采用 16 通道、2 度步进的配置，在保证分辨率的同时兼顾了成本。
-
功耗：对于电池供电的无人机和小型机器人而言，功耗直接影响飞行或运行时间。 RoboSense E1R 的功耗低于 10W，这一设计目标显然是针对此应用场景。
-
扫描方法本身带来的点云分布特性：像 Livox 这样的非旋转式设计，其点云分布不均匀，视场中心比边缘更密集，因此边缘的检测精度可能不如旋转式设计。实际上，平台能否承受较长的积分时间（静止或慢速移动 vs. 快速移动）会对实际性能产生显著影响。
点云数值读取：时间和角度分辨率
数据手册中的测距数据不足以预测激光雷达的实际性能。初步估算测距误差的方法是将时间误差转换为距离。如果脉冲定时误差为 \sigma_T，则距离标准偏差为
例如，当 c\simeq3.0\times10^8\,\mathrm{m/s} 时，\sigma_T=100\,\mathrm{ps} 给出 \sigma_D\simeq15\,\mathrm{mm}。这仅是传感器的内部定时误差；反射率、入射角、雨滴、多径和外部校准误差分别累加。
角分辨率决定了相邻点在一定距离上的间距。如果相邻激光束在距离 D 处相距 \theta，则在小角度近似下，它们的横向间距为
在 D=10\,\mathrm{m} 和 \theta=0.2^\circ 处，s\simeq35\,\mathrm{mm}。为了可靠地检测细杆，不仅要检查每秒扫描点数，还要检查穿过目标的扫描线数量，以及移动平台是否提供了足够的积分时间。
这两个误差源会导致不同的设计决策。对于远距离小目标检测，应同时评估接收器灵敏度和时间分辨率、角度分辨率、扫描周期和车辆速度。对于慢速室内机器人，提高最大探测距离可能不如提高最小检测距离、地面反射率和ROS驱动程序中的时间戳精度重要。
更多的点就能保证检测到细小的障碍物吗？
角度间距、探测距离、反射率和扫描模式决定了是否检测到目标。总点数并不能指定对特定目标的覆盖范围。
目标。
评论
请先登录。
暂无数据。