2D LiDAR 生成沿一个扫描平面的距离。 3D LiDAR 生成横向和垂直角度的点。三维可以显示障碍物高度、坡度和悬挑，同时还增加了遮挡、时间、带宽、滤波和验证的职责。
平面 LiDAR 可以作为一种强大高效的定位传感器，适用于室内平坦 AMR 当墙壁和固定结构与扫描高度相交时。它可能会错过该平面上方或下方的物体。 三维点云只能覆盖目标实际回射的物体。
本指南应与 Nav2 成本地图指南 及 机器人 SLAM 指南一起使用。一般感知 LiDAR 不会自动替代安全等级的保护装置。
先从扫描几何开始，而不是尺寸标签
2D旋转扫描样本围绕其安装架定义的平面分布。安装的高度和角度决定了哪些墙壁、托盘开口、腿部和机器结构与该平面相交。安装时的轻微误差会影响远方扫描高度。
3D扫描仪将测量数据分布到高程通道或其他三维模式。垂直视场和角度间距决定低路缘、叉尖或悬挑是否能接收回波。将真实光线绘制穿过机器人包络和任务危险。
记录近场限制、车身遮挡及每个转向和有效载荷状态所需的覆盖范围。产品标签不能显示安装盲区。
使用保持测量结果的消息语义
ROS通常将平面扫描表示为LaserScan，将三维云表示为PointCloud2。官方 激光扫描定义 规定，头时间戳是第一条光线的采集时间，并包含移动扫描器插值的 time_increment。
官方 PointCloud2定义 存储一个有序或无序的集合，带有显式字段。确认所选驱动单元的字段包含x、 y、 z、强度、环或每点时间。
| 尺寸 | 典型数据 | 实力 | 盲区 |
|---|---|---|---|
| 2D | 按角度划分的距离 | 简单平面定位 | 扫描上方或下方扫描 |
| 3D | XYZ点云 | 高度和坡度证据 | 稀疏的小目标 |
| 3D切片 | 高度滤波点 | 重复利用2D导航 | 被舍弃的垂直上下文 |
| 多传感器 | 若干平面或模态 | 定向覆盖 | 校准与聚变 |
| 安全扫描仪 | 保护场输出 | 认证安全功能 | 独立的任务感知角色 |
平面定位可以更简单、更稳定
在结构化的室内空间中，水平扫描以稳定几何形状穿过墙壁、机架和柱子。二维扫描匹配和地图紧凑、计算高效且易于检查。这比处理整片云后投射到地面平面更具工程性。
在漫长无特征的走廊、开放区域、变化的人群和对称布局中，性能依然会下降。验证地图可观测性，而不仅仅是传感器的准确性。
单一扫描平面可能漏检高处或低处障碍物
扫描高度以下的托盘叉、其上突出的搁板或样本位置间的斜面物体可能缺失。倾斜扫描仪或增加另一平面会改变覆盖范围，但可能削弱平面定位的假设。
按尺寸、高度、反射率、接近角度和结果创建障碍物清单。通过安装的扫描几何结构和机器人停止距离追踪所有所需目标。
三维云需要地面和自过滤
3D传感器测量地面、机器人机身、尘埃和顶端结构，以及危险信息。处理流水线必须将点云变换到统一坐标系，移除或分类地面，并屏蔽机器人自身回波，并保持有意义高度的障碍物。错误的地面模型可能删除斜坡或保留无害的地面边缘。
在斜坡、地面过渡、登车板和有效载荷变化条件下测试滤波器。保留原始点云证据，以便区分障碍物漏检与被滤波器删除。
点密度随距离和角度变化
通道计数并不保证采样到小物体。角度分离会导致更宽的点距在更远距离上。目标的方向和入射角可以进一步减少回波，而运动则改变了哪些射线会与目标相交。
测量最小目标的探测概率，跨越距离、方位角、仰角和接近距离。使用多次扫描，因为一个成功点并不可靠。
| 失效来源 | 观察到的效应 | 必需测试 | 设计响应 |
|---|---|---|---|
| 扫描面间隙 | 目标缺席 | 高度扫掠 | 传感器位置或增加平面 |
| 稀疏范围采样 | 间歇性小型目标 | 距离-角网格 | 覆盖范围或限速 |
| 玻璃或深色表面 | 失踪或被遗漏的归国 | 资料库 | 传感器融合与策略 |
| 运动失真 | 弯曲移动几何 | 定时轮转试验 | 书桌与钟表对齐 |
| 身体阻塞 | 近盲区 | 已安装的田地 | 安装或附加传感器 |
材料和天气效应仍是传感器特定的
玻璃、镜子、暗吸收表面、反射器、雨水、雾气、灰尘和直射阳光都可能产生缺失、微弱、多径或假回波。 2D和3D器件都可能失效，波长或接收器设计会改变结果。
在操作角度测试实际面板、薄膜、衣物和环境污染。避免声称单一维度能解决透明或黑色物体。
扫描运动会产生扫描内的时间差
旋转的3D云是随着时间组装的，因此不同方位角的点代表不同的机器人姿态。移动机器人可以将直墙变成弯曲的云，除非点被同步运动估计。平面扫描也具有每光线计时。
使用时间同步工作流程将LiDAR时钟与IMU、轮子和定位数据对齐。验证驱动程序的每个点或每个光线的时间戳意义。
投影到2D很有用，但会丢弃证据
经过高度过滤的3D云可以投影到现有导航栈的平面扫描或成本图中。投影必须定义最小和最大高度、聚合、未知空间以及陈旧数据行为。不同的切片可能用于定位和障碍层。
投影并不使3D传感器与真正的平面扫描仪完全相同。点的图案、时间、密度、噪声和盲区依然不同。
考虑计算、网络和存储成本
完整的云会消耗大量网络、 CPU、 GPU、内存和日志带宽。下采样可以节省资源，但可能会移除较小或较远的目标。压缩和传输队列会增加延迟，并可能将过载隐藏在平均速率之后。
测量从数据采集到代价地图更新的最坏情况端到端年龄。包括事故分析所需的原始日志记录以及云层丢失或变形后恢复行为。
保持感知和保护功能的明确性
用于导航的 LiDAR 并不自动适合执行安全功能。安全性能取决于具体设备、架构、诊断、防护场、标准以及经过验证的制动行为。更丰富的3D云本身并不能保证安全完整性。
定义当覆盖、时间戳、变换或数据率检查失败时会发生什么。一个继续处于陈旧感知状态的机器人，与一个切换到经过验证的减速或停止速度的机器人，面临不同的风险。
按遗漏风险证据和生命周期成本选择
将安装的机器人以任务速度运行，经过分岔、悬垂、斜坡、人员、反光板和污染物。测量漏接、延迟和错误检测，以及定位误差、延迟、资源余量和维护负担。比较满足相同证据目标的最简单架构。
发布时要有一份简明的清单。
评估“移动机器人的2DLiDAR与3DLiDAR”时，还应保存模型版本、机器人配置、标定文件、测试日期和全部试验记录。把成功、失败、恢复与人工介入放在同一份数据中，才能区分模型能力、系统接口和现场流程造成的差异。
成本评估除了设备与算力，还要记录数据采集、工程调试、安全措施、维护、停机和人员培训。只有把这些持续投入与单位成功任务的价值比较，才能判断方案是否适合扩大。
上线后仍要持续检查分布变化、传感器漂移、机械磨损和人工接管原因。监测结果应能触发降级、停止与重新验证流程，并为下一轮数据采集和模型更新留下可追溯记录。
最终结论应明确写出已知限制、尚未验证的场景和下一项可证伪的实验，使后续团队能够沿着证据继续推进。
实际项目还应指定数据、模型、控制器和安全流程的负责人，并预先定义回滚条件。责任边界、审批记录与变更日志越清楚，故障发生后越容易停止扩散、定位原因并安全恢复。
- 绘制了光线、遮挡和近场间隙。
- 测试所有必要的障碍物，跨越距离和角度。
- 验证时间戳、 deskew、变换和筛选。
- 测量最坏情况计算和数据年龄。
- 将任务感知与经过验证的保护功能区分开来。
常见问题
3D的 LiDAR 对 AMR来说总是更好吗？
不会。它不仅增加了高度证据，还增加了成本、处理和失效模式；平面系统可能更适合平面结构化任务。
3D LiDAR 能替代安全扫描仪吗？
不是自动的。保护功能需要合适的设备、架构、标准基础和经过验证的停止行为。
投影3D云是否等同于2D LiDAR？
不。最终扫描保持原始点位模式、时间、密度和盲区。
会不会有更多 LiDAR 频道能检测到每一个小障碍？
不会。距离、角度间距、入射、反射率、运动和滤波仍然决定探测概率。
哪个维度更能检测玻璃？
这两者都不能保证成功。测试特定波长、传感器、玻璃处理、角度和环境，并设计故障策略。
感知覆盖与安全边界
通用 LiDAR 数据并不自动成为安全级的保护测量。进行针对应用的风险评估和验证。