
1、激光雷达的种类有哪些?
(1)按扫描方式分类:机械式激光雷达、通过旋转机械部件(如电机驱动镜面)实现360°扫描;固态激光雷达,无需机械旋转部件,依靠电子扫描实现测距,主要技术包括
(2)按测距原理分类:飞行时间法(ToF),三角测距法。
(3)按波长分类:近红外(905nm)、短波红外(1550nm)、可见光及紫外光(UV)。
(4)按线数分类:单线激光雷达,输出单层2D点云;多线激光雷达,包括4线、16线、128线等,生成多层3D点云。
(5)按应用场景分类:车载激光雷达、工业激光雷达、测绘激光雷达、消费电子激光雷达。
以上分类覆盖了雷达的技术原理、硬件设计和应用场景的多样性等多个方面,实际选型需结合具体需求权衡参数,更多内容参考激光雷达 – 感知外部信息的工具。
2、单线激光雷达和多线激光雷达的区别是什么?
(1)单线和多线激光雷达区别
主要区别在于扫描方式、数据维度、应用场景等方面,具体对列如下
-
单线激光雷达:扫描方式是单束激光+旋转扫描,形成一个2D平面,成本低,硬件简单,实现机器人SLAM导航需要结合Odometry(里程计)和IMU,适用于低成本场景,如小型机器人、安防系统等。
-
多线激光雷达:通过多个激光发射器同时工作,形成多个扫描平面(X-Y-Z),直接生成高精度3D点云,无需额外传感器补偿。适用于复杂环境,如城市道路、高速行驶的自动驾驶车辆。
(2)仓库和工厂是选用单线还是多线激光雷达

单线激光雷达适用于2D导航,只能扫描一个平面,在仓库和工厂环境下无法直接感知低矮障碍物(如地上托盘)或高空障碍物(如悬挂货架),需要结合IMU或额外传感器(如RGBD相机)来获得3D信息。高精度3D地图建图要用多线激光雷达,但是成本会高许多。
3、ToF激光雷达和三角距激光雷达的区别是什么?
(1)ToF激光雷达和三角测距激光雷达区别
主要区别在测量原理、测距范围、精度、应用场景和成本等方面,具体对列如下
-
ToF激光雷达:应用飞行时间法实现测距,激光发射器发出短脉冲光,光线到达目标后反射回来,传感器测量光的往返时间。
-
三角测距激光雷达:发射激光,激光在目标表面反射后由CCD/CMOS相机接收,系统通过三角关系计算目标距离。

(2)仓库和工厂是选用ToF激光雷达还是三角距激光雷达
仓库、工厂环境推荐使用ToF激光雷达,它支持远距离测量、动态目标检测、抗环境光干扰,更适合AGV导航、避障、自动化物流等应用;三角测距激光雷达不适合,它更适用于近距离高精度测量。
4、激光雷达覆盖范围的区别是什么?
激光雷达的覆盖范围的决定因素包括
-
激光波长和功率:常见的激光雷达波长有 905nm、1550nm,影响穿透能力和安全性。波长905nm成本低,但容易受阳光干扰,测距较短(一般 10m~100m);波长1550nm成本高,穿透力强,测距更远(一般 100m~300m)。
-
探测方式:ToF,适用于中长距离测量(10m~300m),仓库/工业导航常用;三角测距,适用于短距离(0.1m~10m),可用于零件测量、表面检测。
-
视场角:单线雷达FOV,一般 270° 或 360°,可扫描水平平面,适用于导航避障;多线雷达FOV,可能是120°×30°或更大,适用于全景感知。
4、选择激光雷达还要关注哪些参数
仓库和工厂场景选择激光雷达时,除了测距范围、视场角(FOV)、分辨率等基本参数外,还需要关注以下关键因素
(1)激光雷达的测量精度,包含参数如下
-
误差范围:±10mm还是±20mm,对于高精度导航需要更小的误差。
-
精度稳定性:机器人在一样位置测量时,是否能保持一致的测距。
-
角分辨率:能否识别小物体。
-
距离分辨率:在不同物体表面(墙壁、玻璃等)上的测距一致性。
(2)反射率&玻璃穿透能力
-
低反射率物体检测:能检测黑色物体、地毯、磨砂表面等低反射目标
-
玻璃检测能力:检测透明玻璃、镜子,避免机器人撞到玻璃门
-
光照环境适应性:强光、阳光直射是否会影响测量?
(3)扫描频率或更新速率:旋转扫描雷达(2D/3D)一般有5Hz ~ 50Hz的扫描频率;低速机器人(如酒店送餐机器人)5Hz~10Hz足够,高速机器人(如仓库AGV) 需要20Hz 以上,避免高动态场景下数据滞后。
(4)防护等级(IP等级):列如仓库环境可能有灰尘、湿气,需要IP65或以上的防护等级;酒店环境相对干净,IP54 可能已足够;若如果机器人在户外或潮湿环境运行,选择 IP67 以上。
(5)供电接口和通信接口
-
供电方式:5V/12V/24V,能否适配机器人电源
-
通信接口:USB、UART、Ethernet(适合多线3D雷达,数据传输快)、CAN / RS485(部分工业激光雷达使用,抗干扰强)
(6)软件兼容性
-
是否支持ROS1/ROS2?
-
是否提供SDK、API,方便集成到现有系统?
-
是否支持SLAM、定位、避障算法,如Cartographer、LIO-SAM?

收藏了,感谢分享