标签: 纯固态激光雷达

2025年上海国际车展，成为汽车行业全面拥抱激光雷达的分水岭。 在这场全球瞩目的盛会上，从百万级旗舰车型到十万级入门款电动车，激光雷达的身影无处不在，成为新车发布中频频提及的“标配亮点”。 零跑C10，一款售价仅10万元人民币左右的车型，率先打破价格壁垒，搭载激光雷达，成为普及化的重要里程碑；极氪9X更是大胆地在一辆量产车上搭载了5颗激光雷达，覆盖前、后、左右及全景感知，展示了面向高阶辅助驾驶的感知冗余与安全冗余。这不仅是堆砌参数的竞赛，更是对用户体验与行车安全的深刻承诺。 在过去的五年里，激光雷达技术从实验室走向量产，经历了一场堪称奇迹的蜕变。曾经只能出现在少数豪华自动驾驶原型车上的昂贵传感器，如今已成为大量量产汽车的重要组成部分。除特斯拉之外，几乎所有有志于高阶辅助驾驶（ADAS）乃至完全自动驾驶（L4、L5）的车企，都选择了在量产车上搭载激光雷达。这一趋势，已毋庸置疑。 与汽车行业的飞速普及形成鲜明对比的是，在机器人领域，激光雷达的普及速度却略显迟缓。尽管仓储机器人、配送机器人、服务机器人等应用早已采用2D激光雷达进行基本导航和避障，但相比汽车行业日新月异的三维环境感知升级，大多数机器人仍停留在依赖低成本视觉或简单2D激光感知的阶段。 问题来了： 当激光雷达的价格迅速下降、尺寸与重量不断缩小、固态化程度持续提高，当它能以更加亲民的形态提供毫米级的环境感知能力时，机器人，是否也应该像汽车一样，全面拥抱激光雷达？ 答案显而易见。事实上，这样的转变，正在悄然发生。未来，搭载Flash固态激光雷达的机器人，将不仅在感知精度和避障能力上实现质的飞跃，更将在智能化、自主性乃至成本效益上，开启一轮新的革新。 激光雷达为何能在汽车领域迅速普及 在科技飞速发展的今天，激光雷达（LiDAR）正以前所未有的速度，成为汽车行业不可或缺的重要零部件。 曾几何时，激光雷达还只是自动驾驶原型车上昂贵而稀有的存在，动辄上万美金的成本和巨大的体积限制了它的普及。但进入2024-2025年，随着技术进步和规模化量产，激光雷达迎来了真正意义上的全民时代。 在现实世界中，激光雷达以毫米级的高精度探测能力，补足了传统视觉系统在雨雾天气、夜晚、复杂光影条件下的短板，极大提升了环境感知的稳定性与可靠性。其丰富的环境数据与即时三维建图能力，使车辆能够更准确地识别障碍物、行人乃至复杂道路结构，为避障决策与路径规划提供坚实基础。 对于车企而言，全面拥抱激光雷达，归根结底是为了一个关键词—— 安全 。 在高阶自动驾驶逐渐下放到量产车型的今天，激光雷达已经从一个“可选升级项”，转变为提升整车安全性能、赢得市场竞争力的关键配置。它不再只是炫技的噱头，而是与安全气囊、ABS刹车系统一样，成为保障驾驶安全的 “标准装备” 。 正如上海车展所呈现的趋势：无论是传统车企，还是新势力品牌，都在用实际行动宣告—— 在汽车行业， 激光雷达的普及，已经是不可逆转的潮流。 机器人需要“看清世界”， 但现有感知方式远远不够 机器人的发展，正在经历从简单执行器向智能自主体的蜕变。 无论是仓储机器人、配送机器人、清洁机器人、安防机器人，还是更高阶的服务机器人、工业协作机器人，它们都在朝着“自主感知、决策、自主行动”的方向演进。而“感知”，作为智能化的第一步，直接决定了后续所有行为的上限。 然而，目前机器人普遍采用的感知方式——如视觉传感器、超声波传感器、红外传感器——存在明显局限： · 视觉传感器（摄像头）： 受光照条件影响大，夜间、逆光、雾霾环境下效果骤降；二维图像缺乏准确深度信息，导致障碍物距离和轮廓估计偏差大。 · 超声波传感器： 探测范围极短（通常仅2米以内），分辨率低，无法识别细小或复杂障碍物。 · 红外传感器： 局限于近距离，且对环境温度变化敏感，误报率高。 对于复杂、动态、开放的实际应用场景，这些传统传感器越来越难以胜任。机器人需要的不仅是“看到”，更是精准测量、理解空间结构、预测环境变化。 在这样的背景下，激光雷达的价值愈发凸显。 激光雷达：为机器人打造高精度 “环境感知神经系统” 激光雷达通过发射激光束，精确测量目标物体的距离和形状，生成高精度、高分辨率的三维点云数据，赋予机器人对环境的立体理解能力。 具体而言，激光雷达在以下几方面为机器人解决了核心痛点： 1. 室内外高精度建图与定位（SLAM） 机器人要想自主移动，首先必须理解自己身处何处，这就需要实时建图与定位（SLAM）。传统视觉SLAM容易在低光、动态环境下失效，而基于激光雷达的SLAM，依靠高精度距离测量，即使在光照极差、烟雾、灰尘等条件下，也能稳定构建环境地图并进行定位。 典型应用场景： · 仓储机器人在大型仓库内实时规划高效拣货路径 · 安防机器人在夜间或烟雾弥漫环境中巡逻 Flash固态激光雷达的小型化与高刷新率特性，让SLAM效果达到新高度，使机器人实现厘米级定位精度。 2. 动态避障与自主导航 现实世界充满变化——行人、宠物、车辆、突发障碍物频繁出现。传统视觉系统易受遮挡、光照变化影响，超声波传感器则反应迟钝。 激光雷达能够实时扫描周围环境，检测并追踪动态障碍物，通过高密度点云预测物体运动趋势，从而支持机器人动态避障与灵活路径重规划。 实际案例： · 外卖配送机器人在人行道上实时避开行人、自行车 · 医疗服务机器人在医院走廊中灵活穿行，避让病人和设备 3. 跨环境适应能力 机器人应用场景丰富，从明亮商场到昏暗地下停车场，从整洁写字楼到尘土飞扬的工地。传统感知方案难以做到通用。 工业级Flash固态激光雷达具备IP67防护等级、宽温适应能力，无惧环境变化，可在不同亮度、不同天气、不同地面材质下稳定运行。 4. 支撑多传感器融合感知系统 未来机器人感知架构将是多传感器融合的： 激光雷达提供精准三维结构与障碍物检测，视觉系统提供语义理解，IMU提供运动状态感知，GPS/RTK提供全局定位，协同提升环境理解的丰富性与鲁棒性。 技术演进：Flash固态激光雷达为机器人而来 传统的机械旋转激光雷达虽然感知能力强，但价格高昂、体积庞大、易损耗，这些缺陷对于机器人应用而言极为致命。 Flash固态激光雷达应运而生： · 无机械运动部件，可靠性高、寿命长 · 体积小、重量轻，适配小型、轻量化机器人 · 功耗低，延长续航时间 · 成本持续下降，价格进入数百美元区间 2025年，亮道智能推出了专为机器人设计的迷你型Flash固态雷达模块，尺寸接近成年人手掌，重量不到100克，最高角分辨率达0.1°，探测距离超200米，为机器人行业带来真正可规模化应用的激光感知硬件。 机器人全面搭载激光雷达已是清晰趋势 结合以上种种因素，激光雷达在机器人领域的普及已成大势所趋。 不仅是仓储物流机器人、配送机器人、清洁机器人、安防机器人、服务机器人等应用场景，越来越多企业也在激光雷达赋能的道路上加速探索： · 北京小米机器人技术有限公司 在2023年发布的CyberOne人形机器人中，采用激光雷达采集环境数据，用于训练大范围动态避障模型，提升在复杂环境下的自适应能力。 · 卓益得机器人 将激光雷达的极线约束引入视觉SLAM，优化位姿估计，显著减少累计误差，提高自主导航精度。 · 智瞰深鉴科技有限公司 则使用激光雷达采集室外大范围场景的点云数据，结合PointNet++等深度学习网络，进行障碍物（如车辆、行人、植被等）的精准分类。 这些案例表明，激光雷达不仅作为传感器直接应用于导航避障，更在更高阶的“智能训练”层面，成为机器人认知与决策系统不可或缺的基础。 随着Flash固态激光雷达成本持续下降、性能持续提升，大规模机器人部署激光雷达，正在从“成本制约”转向“标配升级”。未来三年，机器人搭载激光雷达的比例，预计将从当前的不足20%，迅速上升至50%以上。 激光雷达，正成为机器人智能化进阶的加速器，也是机器人产业迈向大规模商用的关键推动力。 结语：激光雷达，引领机器人走向全面智能化 在过去五年里，汽车行业已经用实际行动告诉我们：激光雷达不是可有可无的“黑科技”，而是提升安全性、智能化的基础设施。 今天，机器人领域也正站在同样的变革门槛上。 随着Flash固态激光雷达技术的成熟，小型化、低成本、高可靠性的传感器已触手可及。机器人不再需要在性能与成本之间艰难权衡，不再需要在智能与续航之间妥协。 未来，无论是城市配送、楼宇清洁、智慧仓储，还是户外巡逻、家庭陪护—— 搭载激光雷达的机器人，将如今日智能手机中的多摄模组一样，成为行业默认配置。 汽车已经全面拥抱了激光雷达。 机器人呢？ 毫无疑问，他们也正在以加速度，奔向这个清晰可见的未来。 关键词：激光雷达，3D感知，Flash激光雷达，纯固态激光雷达 微信号｜ Robo Lab 重构机器「看见世界」的方式。 用硬核科普+实战案例，拆解光束背后的科技革命。

引言 在智能工业的浪潮中，高精度感知技术正成为推动行业发展的关键力量。无论是智能机器人、智能割草机器人、智能无人机还是智能安防系统，都需要一种能够精准感知环境的技术来实现自动化和智能化。今天，我们将一起探索激光雷达——这一智能工业的“新视界”。 什么是激光雷达？ 激光雷达（LiDAR，LightDetectionandRanging）是一种利用激光进行距离测量和环境感知的技术。它通过发射激光脉冲，测量激光脉冲从发射到返回的时间差，从而计算出目标物体的距离。激光雷达不仅可以测量距离，还能通过多个激光束和快速扫描，生成高分辨率的三维点云图，帮助设备“看”清周围环境。 激光雷达的工作原理 1.发射激光脉冲：激光雷达内部的激光发射器会发出一束或多束激光脉冲，这些脉冲以极高的频率发射到目标物体上。 2.接收反射光：当激光脉冲碰到目标物体后，部分光会被反射回来。激光雷达的接收器会捕捉这些反射光。 3.计算距离：通过测量激光脉冲从发射到返回的时间差（飞行时间，Time-of-Flight），结合光速，激光雷达可以计算出目标物体的距离。 4.生成点云图：激光雷达通过快速扫描多个方向，收集大量的距离数据，最终生成一个三维点云图，用于描述周围环境的形状和结构。 资料来源：亮道智能公众号 激光雷达在智能工业中的重要性 1.高精度感知：激光雷达通过发射激光束并接收反射信号，能够精确测量周围物体的三维位置信息，构建出高精度的环境地图。这种高分辨率的三维感知能力，对于智能机器人在复杂场景中的导航、避障和任务执行至关重要。例如，禾赛科技的 AT128 激光雷达通过 128 线高密度点云扫描，可实时构建高精度地图，帮助机械臂在 0.1 毫米级精度下完成操作。在物流仓储领域，速腾聚创的 RS-LiDAR-M1 通过 MEMS 振镜扫描技术，不仅能识别货架高度、间距，还能检测货物堆叠稳定性。此外，激光雷达在工业检测中也表现出色，能够快速、准确地获取工业零部件的三维尺寸数据，检测其是否符合设计规格和精度要求，有效保障产品质量。 2.全天候工作：工业场景的复杂性往往超出实验室环境 —— 凌晨的厂区、遮光的仓储库、强光直射的户外产线，都对传感器提出严苛考验。与视觉传感器相比，激光雷达的一个显著优势是其不受光照条件的影响。可以在夜间或低光照环境下正常工作，确保设备的稳定运行。这一特性使其在复杂多变的工业环境中表现出色。在一些需要24小时不间断运行的工厂中，激光雷达能够持续监测设备运行状态和人员操作区域，预防机械故障和人员误操作导致的安全事故。在智能割草机器人中，激光雷达可以在夜间或低光照环境下准确感知花园地形，确保设备的稳定运行等。 3.实时数据更新：激光雷达能够快速扫描环境并实时更新数据，为智能设备提供即时的感知信息，使其能够快速响应环境变化。在动态干扰场景下，如仓库中AGV小车的运行，激光雷达凭借快速数据采集能力，能捕捉动态物体，避免定位漂移，确保设备的高效作业。在物流机器人避障和无人机室内导航等场景中，激光雷达的单帧全局成像速度达微秒级，消除了扫描式方案的“运动模糊”效应，移动目标检测精度提升25%，响应速度小于200ms，从而有效避免碰撞，保障安全。 4.多场景适用：激光雷达不仅适用于室内环境，还能在室外复杂场景中工作，在智能无人机或智能割草机器人等室外设备上，激光雷达提供精准的地形和障碍物信息，使得设备能在复杂的地形中进行高效避障和作业。在智能安防领域，亮道智能的纯固态Flash激光雷达以其独特的技术特点，展现出显著的优势，采用高精度测距技术，同时具备超静音特性，非常适合用于安防领域的隐秘监控需求，轻松实现周界防范。此外，激光雷达在智能交通、工业与物流、机器人导航与避障等多个领域都展现出了广泛的应用价值。 5.隐私保护：激光雷达作为主动安全传感器，与视觉传感器相比，具有天然的隐私保护优势。它不依赖于图像采集，因此不会涉及到个人隐私信息的获取和存储。这使得激光雷达在需要保护隐私的场景中，如公共场所的监控、智能安防等，能够更好地满足隐私保护的要求，为人们提供更加安心的使用体验。 资料来源：远桥资产 激光雷达的缺陷 尽管激光雷达具有诸多优势，但它也存在一些缺陷： 1.成本高昂：激光雷达系统的制造涉及精密光学组件和复杂电子器件，导致其价格较高，尤其是机械旋转式激光雷达。这限制了其在消费级市场和大规模商业应用中的普及。 2.易受天气影响：尽管激光雷达在夜间和低光照环境中表现优异，但其性能在大雨、浓雾、雪暴等极端气象条件下会大打折扣。雨雪和大雾会散射激光束，减少其传输距离，降低测距精度。 3.数据量大且处理复杂：激光雷达生成的大量高密度三维点云数据对数据处理和存储提出极高要求。每秒产生数百万个数据点，需要高效的处理算法和强大的计算能力来解析和理解这些信息。 激光雷达与其他感知传感器的配合工作 为了克服激光雷达的缺陷并提升感知系统的整体性能，通常会将其与其他感知传感器（如视觉传感器、毫米波雷达等）进行融合。以下是两个案例： 1.激光雷达与视觉传感器的融合 案例背景： 在自动驾驶场景中，激光雷达可以提供远距离障碍物的准确位置信息，但对物体的纹理和颜色信息感知不足；而视觉传感器（如摄像头）可以提供丰富的纹理和颜色信息，但受光照条件影响较大。 解决方案： 通过融合激光雷达和视觉传感器的数据，自动驾驶系统可以对周围环境进行更加准确的感知。例如，激光雷达提供障碍物的精确位置，视觉传感器提供障碍物的颜色和纹理信息，从而帮助系统更准确地识别交通标志、行人和车辆。 效果： 这种融合方式可以提高目标检测、环境感知和导航的性能，提升自动驾驶系统的安全性和可靠性。 资料来源：雷达学报-基于多传感器融合的协同感知方法整体框架 2.激光雷达与毫米波雷达的融合 案例背景： 在智能无人机的避障应用中，激光雷达虽然能够提供高精度的三维环境信息，但在雨雾天气中性能会下降；而毫米波雷达具有很强的穿透雨雾尘的能力，几乎不受恶劣天气影响，但分辨率和精度较低。 解决方案： 将激光雷达和毫米波雷达的数据进行融合。在正常天气条件下，主要依赖激光雷达的高精度数据；在恶劣天气条件下，利用毫米波雷达的数据补充激光雷达的不足，从而实现更可靠的避障。 效果： 这种融合方式可以有效滤除恶劣天气对激光雷达的干扰，提高无人机在复杂环境下的避障能力和飞行安全性。 总 结 激光雷达作为智能工业中的“新视界”，正以其高精度、全天候和实时感知的能力，为各个领域带来变革。然而，它也存在成本高、易受天气影响和数据处理复杂等缺陷。通过与其他感知传感器的融合，可以有效弥补这些缺陷，提升系统的整体性能。 资料来源：Multi-Sensor Fusion in Automated Driving: A Survey 微信号｜ Robo Lab 重构机器「看见世界」的方式。 用硬核科普+实战案例，拆解光束背后的科技革命。

01 物联网系统中为什么要使用纯固态激光雷达 物联网系统中使用纯固态激光雷达的原因主要基于其独特的优势和应用价值，这些优势使得纯固态激光雷达在物联网的多个领域中都发挥着重要作用。以下是详细的分析： 纯固态激光雷达的优势 1、高精度和高分辨率： 纯固态激光雷达能够实现对目标的精确测量和识别，其高精度和高分辨率的特性使得它在物联网系统中能够提供更准确的数据支持。 2、高可靠性和低故障率： 相比传统的机械激光雷达，纯固态激光雷达没有机械转动部件，因此具有更高的可靠性和更低的故障率。这对于需要长时间稳定运行的物联网系统来说至关重要。 3、易于集成和低成本： 纯固态激光雷达的固态器件体积小、重量轻，易于集成到各种物联网设备中。同时，其生产成本相对较低，有利于降低物联网系统的整体成本。 4、高安全性和低风险： 纯固态激光雷达能够实现对目标的精确测距和识别，有效提高了物联网系统在复杂环境中的安全性，降低了潜在的风险。 5、探测距离远、抗干扰能力强： 纯固态激光雷达具有较远的探测距离和强大的抗干扰能力，能够在复杂环境中稳定工作，为物联网系统提供可靠的数据支持。 纯固态激光雷达在物联网系统中的应用 1、自动驾驶： 在自动驾驶汽车中，纯固态激光雷达能够实时感知周围环境，提供高精度的距离、速度和方向信息，为自动驾驶决策提供可靠支持。 2、机器人导航与避障： 在机器人领域，纯固态激光雷达可以帮助机器人实现精准导航和避障功能，提高机器人在复杂环境中的自主移动能力。 3、无人机定位与测绘： 无人机搭载纯固态激光雷达可以实现精准定位和测绘功能，为地理信息采集、环境监测等领域提供高效、准确的解决方案。 4、智能家居与安防： 在智能家居和安防领域，纯固态激光雷达可以用于人体检测、入侵报警等场景，提高家居安全和安防系统的智能化水平。 5、智能交通系统： 纯固态激光雷达可以用于智能交通系统中，实现车辆检测、交通流量统计、交通拥堵分析等功能。通过实时监测道路交通情况，可以为交通管理部门提供数据支持，优化交通流组织和交通管理。 综上所述，物联网系统中使用纯固态激光雷达的原因主要在于其高精度、高可靠性、易于集成、低成本以及广泛的应用价值。纯固态激光雷达的这些优势使得它在自动驾驶、机器人、无人机、智能家居等多个物联网领域中都发挥着重要作用，为物联网系统的智能化、高效化提供了有力支持。 本文会再为大家详解激光雷达家族中的一员——纯固态激光雷达 02 纯固态激光雷达的定义 理论上来说，固态激光雷达是完全没有移动部件的雷达，光相控阵（Optical Phased Array）及Flash是其典型技术路线，也被认为是纯固态激光雷达方案。 但近年来，一些非完全旋转的激光雷达也被统称为“固态激光雷达”，它们具备了固态激光雷达很多的性能特点，如分辨率高、有限水平FOV（前向而不是360°）等，但这些技术方案会有一些微小的移动部件，从严格意义上来说不能算纯固态激光雷达。 03 纯固态激光雷达的原理 固态激光雷达主要是依靠波的反射或接收来探测目标的特性，大多源自三维图像传感器的研究，实际源自红外焦平面成像仪，焦平面探测器的焦平面上排列着感光元件阵列，从无限远处发射的红外线经过光学系统成像在系统焦平面的这些感光元件上，探测器将接受到光信号转换为电信号并进行积分放大、采样保持，通过输出缓冲和多路传输系统，最终送达监视系统形成图像。 04 纯固态激光雷达的分类 MEMS（Micro-Electro-Mechanical System）微机电系统 MEMS指代的是将机械机构进行微型化、电子化的设计，将原本体积较大的机械结构通过微电子工艺集成在硅基芯片上，进行大规模生产。技术成熟，完全可以量产。主要是通过MEMS微镜来实现垂直方面的一维扫描，整机360度水平旋转来完成水平扫描，而其光源是采用光纤激光器，这主要是由于905纳米的管子重频做不高，重频一高平均功率就会太大，会影响激光管的寿命。 采用微振镜对进行激光束的偏转，它需要有平整的镜面，将机械式的激光雷达的旋转部件微缩.从严格意义上来说，MEMS并不算是纯固态激光雷达，这是因为在MEMS方案中并没有完全消除机械，而是将机械微型化了，扫描单元变成了MEMS微镜。 电热效应 对电热双压电晶片驱动的微振镜加热，由于金属铝的形变大于介质硅，从而形成微振镜的形变振动。参数:2.3V，9°偏转;施加12mw电功率，响应速度74Hz。 电磁效应 内部需要封装可动磁性物质或者可动磁性线圈产生磁场。通过施加磁场产生洛伦兹力使得线圈产生偏转，从而驱动MEMS振镜偏转，响应速率可达10kHz 压电效应 需要异质材料的介入，压电材料具有高效率、响应速度快的优点。实验通过电镀在硅上沉积PZT薄膜，加工形成的MEMS结构并进行光学扫描，获得11.2kHz，39°视场 压电效应 具有尺寸小可单片全集成的优点，通常需要在真空环境下以获得更高的驱动效率，10V电压驱动可以得到10°的扫描角度。 压电效应 瑞典KTH的研究小组，近期验证了一种新方法，通过MEMS的改变光栅周期实现角度的偏转，在20V电压驱动下可以得到5.6°的扫描角度，功率消耗微瓦量级。也有包括MEMS改变光程差调控相位的相控阵。 OPA（optical phased array）光学相控阵技术 相比其他技术方案，OPA方案给大家描述了一个激光雷达芯片级解决方案的美好前景，它主要是采用多个光源组成阵列，通过控制各光源发光时间差，合成具有特定方向的主光束。然后再加以控制，主光束便可以实现对不同方向的扫描。雷达精度可以做到毫米级，且顺应了未来激光雷达固态化、小型化以及低成本化的趋势，但难点在于如何把单位时间内测量的点云数据提高以及投入成本巨大等问题。 通过外加电压改变液晶的取向，从而实现不同阵元的相位调节;驱动电压小，易大面积集成，最大扫描角度+10°，扫描速度在亳秒量级。但响应速度较慢，目前可达200us。扫描精度较大。因为硅具有较高的热光系数，目前主要集中于如何有效地减小阵列串扰、提高扫描精度、增大扫描角度、提高热稳定性等问题，而且由于片上光功率较低，使得远距离探测存在困难. Flash Flash激光雷达的原理也是快闪，它不像MEMS或OPA的方案会去进行扫描，而是短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。主要问题是探测距离近，在技术的可靠性方面存在问题，Flash激光雷达的距离分辨率力和角度分辨力主要取决于焦平面探测器阵列，焦平面探测器阵列使用PIN型光电探测器(近距离)或是雪崩光电探测器(远距离，价格昂贵)。 05 纯固态激光雷达的优劣势 利用光学相控阵扫描技术的固态激光雷达的确有很多优势，例如： 其结构简单，尺寸小，无需旋转部件，在结构和尺寸上可以大大压缩，提高使用寿命并使其成本降低。 扫描精度高，光学相控阵的扫描精度取决于控制电信号的精度，可以达到千分之一度量级以上。 可控性好，在允许的角度范围内可以做到任意指向，可以在重点区域进行高密度的扫描。 扫描速度快，光学相控阵的扫描速度取决于所用材料的电子学特性，一般都可以达到MHz量级。 当然固态激光雷达也同样存在一些劣势，如： 扫描角有限，固态意味着激光雷达不能进行360度旋转，只能探测前方。因此要实现全方位扫描，需在不同方向布置多个（至少前后两个）固态激光雷达 旁瓣问题，光栅衍射除了中央明纹外还会形成其他明纹，这一问题会让激光在最大功率方向以外形成旁瓣，分散激光的能量。 加工难度高，光学相控阵要求阵列单元尺寸必须不大于半个波长，一般目前激光雷达的工作波长均在1微米左右，故阵列单元的尺寸必须不大于500nm。而且阵列密度越高，能量也越集中，这都提高了对加工精度的要求，需要一定的技术突破。 接收面大、信噪比差：传统机械雷达只需要很小的接收窗口，但固态激光雷达却需要一整个接收面，因此会引入较多的环境光噪声，增加了扫描解析的难度。 06 纯固态激光雷达的厂商 供应商A:北醒 1、产品能力 （1）选型手册 （2）主推型号1:Horn-X2长距高清3D激光雷达 对应的产品详情介绍 北醒 Horn-X2 Pro 是一款集高性能、高安全性、高可靠性为一体的三维激光雷达，可适用于车路协同 （V2X）、智慧机场、智慧铁路和智慧航运等多种大交通应用场景。该激光雷达拥有高垂直角分辨率， 可生成最高 600 线束高密度点云，轻松感知周围环境。得益于先进的设计，Horn-X2 Pro 激光雷达可 有效地抵抗强环境光的干扰，在恶劣的天气条件下也可稳定工作。Horn-X2 Pro 支持多种工作模式，可 根据客户需求定制产品的性能参数，以此精准匹配客户的各种复杂需求。 参数 尺寸外观 本文章源自奇迹物联开源的物联网应用知识库Cellular IoT Wiki，更多技术干货欢迎关注收藏Wiki： Cellular IoT Wiki 知识库(https://rckrv97mzx.feishu.cn/wiki/wikcnBvAC9WOkEYG5CLqGwm6PHf)