激光雷达用激光测量距离，输出高精度三维点云或二维环境轮廓。它是移动机器人建图、定位与避障的主力传感器，但对镜面、玻璃和粉尘环境敏感，镜头脏污会直接体现在点云质量上。
LiDAR 的全称是 Light Detection and Ranging，中文通称激光雷达。它向外发射激光脉冲，根据回波确定距离，从而生成三维点云或二维平面轮廓。在机器人项目里把这个词说清楚很有必要：单线、多线、固态、机械旋转，几种形态的价格和适用场景差得很远，如果招标文件只写激光雷达，报价根本没法横向比较。
原理并不复杂：激光打出去、反射回来、算时间差，再由固件把原始回波整理成可用的坐标数据。真正决定效果的不是某一个器件，而是雷达、算法、安装位置和参数配置的配合。安装高度选错，托盘叉孔就会被整片扫描线漏掉。
激光雷达的价值集中在环境感知：建图、定位、障碍物检测。项目做得好的团队，一开始拿出来的不是产品清单，而是现场数据——通道宽度、货架高度、地面反光情况、人车混行的频次。这些数据决定需要几线、需要多大视场角。
采购时要把运行成本一起算进去。除了雷达本体，还有支架加工、标定工装、点云处理算力、以及后续清洁和更换窗口片的人工。用可量化的指标做一轮试点，能看出这套配置是在演示间好用还是在车间也稳。
某物流企业在引入 AMR 前先用激光雷达做了现场扫描：记录现有布局、接口条件和验收指标，在一条限定路线上试跑，再根据实测数据决定是否推广。过程中他们发现，缠绕膜包裹的托盘对激光反射很弱，需要补一路视觉才能可靠识别。
激光雷达也有它扛不住的场景。玻璃幕墙、抛光不锈钢、镜面地砖会造成虚假回波或直接丢点；粉尘、水雾、强逆光会压低有效量程。露天场地的雨雪同样是问题。因此选型前一定要在真实光照和真实脏污条件下实测，而不是只看数据手册上的标称量程。
实践应用
某物流企业在引入 AMR 前先用激光雷达做现场扫描：记录布局、接口条件和验收指标，在一条限定路线上试跑，再依据实测点云质量决定是否推广。试跑中发现缠绕膜托盘反射弱，最终补了一路视觉传感器。
优势
- 输出高精度三维点云，直接支撑建图与定位
- 测距结果不依赖环境光照，夜间同样可用
- 扫描数据可复用于货位测量和空间盘点
- 成熟的 SLAM 算法生态，集成风险相对可控
局限性
- 玻璃、镜面和高反光表面会产生虚假回波或丢点
- 窗口片积灰后量程明显下降，需要定期清洁
- 多线雷达价格与点云处理算力开销都不低
- 粉尘、水雾和雨雪环境下可靠性显著降低
典型应用领域
常见问题
- 激光雷达到底是什么？
- 一种用激光脉冲测距的传感器，通过回波时间差算出距离，输出三维点云或二维环境轮廓。
- 激光雷达在现场是怎么工作的？
- 发射激光、接收回波、计算距离，固件再把原始回波整理成坐标数据供上层算法使用。正式投用前要在真实光照和脏污条件下测量程与丢点率。
- 什么情况下企业该选激光雷达？
- 当需要在无标识环境中稳定定位、或需要毫米到厘米级的轮廓测量时，激光雷达通常是首选。前提是现场没有大面积玻璃和镜面，且允许定期清洁窗口片。
- 激光雷达有哪些局限？
- 对镜面和透明材质近乎失效，粉尘水雾会削弱回波，窗口片脏污直接影响量程。露天雨雪场景还需要额外的滤波处理。