2D LiDAR 生成沿一個掃描平面的距離。 3D LiDAR 生成橫向和垂直角度的點。三維可以顯示障礙物高度、坡度和懸挑，同時還增加了遮擋、時間、頻寬、濾波和驗證的職責。
平面 LiDAR 可以作為一種強大高效的定位感測器，適用於室內平坦 AMR 當牆壁和固定結構與掃描高度相交時。它可能會錯過該平面上方或下方的物體。 三維點雲只能覆蓋目標實際回射的物體。
本指南應與 Nav2 成本地圖指南 及 機器人 SLAM 指南一起使用。一般感知 LiDAR 不會自動替代安全等級的保護裝置。
先從掃描幾何開始，而不是尺寸標籤
2D 旋轉掃描樣本圍繞其安裝架定義的平面分佈。安裝的高度和角度決定了哪些牆壁、托盤開口、腿部和機器結構與該平面相交。安裝時的輕微誤差會影響遠方掃描高度。
3D 掃描器將測量資料分佈到高程通道或其他三維模式。垂直視場和角度間距決定低路緣、叉尖或懸挑是否能接收回波。將真實光線繪製穿過機器人包絡和任務危險。
記錄近場限制、車身遮擋及每個轉向和有效負載狀態所需的覆蓋範圍。產品標籤不能顯示安裝盲區。
使用保持測量結果的訊息語意
ROS 通常將平面掃描表示為 LaserScan，將三維雲表示為 PointCloud2。官方 鐳射掃描定義 規定，頭時間戳是第一條光線的採集時間，幷包含移動掃描器插值的 time_increment。
官方 PointCloud2 定義 儲存一個有序或無序的集合，帶有顯式欄位。確認所選驅動單元的欄位包含 x、 y、 z、強度、環或每點時間。
| 尺寸 | 典型資料 | 實力 | 盲區 |
|---|---|---|---|
| 2D | 按角度劃分的距離 | 簡單平面定位 | 掃描上方或下方掃描 |
| 3D | XYZ 點雲 | 高度和坡度證據 | 稀疏的小目標 |
| 3D 切片 | 高度濾波點 | 重複利用 2D 導航 | 被捨棄的垂直上下文 |
| 多感測器 | 若干平面或模態 | 定向覆蓋 | 校正與聚變 |
| 安全掃描器 | 保護場輸出 | 認證安全功能 | 獨立的任務感知角色 |
平面定位可以更簡單、更穩定
在結構化的室內空間中，水平掃描以穩定幾何形狀穿過牆壁、機架和柱子。二維掃描匹配和地圖緊湊、計算高效且易於檢查。這比處理整片雲後投射到地面平面更具工程性。
在漫長無特徵的走廊、開放區域、變化的人群和對稱佈局中，效能依然會下降。驗證地圖可觀測性，而不僅僅是感測器的準確性。
單一掃描平面可能漏檢高處或低處障礙物
掃描高度以下的托盤叉、其上突出的擱板或樣本位置間的斜面物體可能缺失。傾斜掃描器或增加另一平面會改變覆蓋範圍，但可能削弱平面定位的假設。
按尺寸、高度、反射率、接近角度和結果建立障礙物清單。透過安裝的掃描幾何結構和機器人停止距離追蹤所有所需目標。
三維雲需要地面和自過濾
3D 感測器測量地面、機器人機身、塵埃和頂端結構，以及危險資訊。處理流水線必須將點雲變換到統一座標系，移除或分類地面，並遮蔽機器人自身回波，並保持有意義高度的障礙物。錯誤的地面模型可能刪除斜坡或保留無害的地面邊緣。
在斜坡、地面過渡、登車板和有效負載變化條件下測試濾波器。保留原始點雲證據，以便區分障礙物漏檢與被濾波器刪除。
點密度隨距離和角度變化
通道計數並不保證取樣到小物體。角度分離會導致更寬的點距在更遠距離上。目標的方向和入射角可以進一步減少回波，而運動則改變了哪些射線會與目標相交。
測量最小目標的探測機率，跨越距離、方位角、仰角和接近距離。使用多次掃描，因為一個成功點並不可靠。
| 失效來源 | 觀察到的效應 | 必需測試 | 設計反應 |
|---|---|---|---|
| 掃描面間隙 | 目標缺席 | 高度掃掠 | 感測器位置或增加平面 |
| 稀疏範圍取樣 | 間歇性小型目標 | 距離-角網格 | 覆蓋範圍或限速 |
| 玻璃或深色表面 | 失蹤或被遺漏的歸國 | 資料庫 | 感測器融合與策略 |
| 運動失真 | 彎曲移動幾何 | 定時輪轉試驗 | 書桌與鐘錶對齊 |
| 身體阻塞 | 近盲區 | 已安裝的田地 | 安裝或附加感測器 |
材料和天氣效應仍是感測器特定的
玻璃、鏡子、暗吸收表面、反射器、雨水、霧氣、灰塵和直射陽光都可能產生缺失、微弱、多徑或假回波。 2D 和 3D 器件都可能失效，波長或接收器設計會改變結果。
在操作角度測試實際面板、薄膜、衣物和環境汙染。避免聲稱單一維度能解決透明或黑色物體。
掃描運動會產生掃描內的時間差
旋轉的 3D 雲是隨著時間組裝的，因此不同方位角的點代表不同的機器人姿態。移動機器人可以將直牆變成彎曲的雲，除非點被同步運動估計。平面掃描也具有每光線計時。
使用時間同步工作流程將 LiDAR 時鐘與 IMU、輪子和定位資料對齊。驗證驅動程式的每個點或每個光線的時間戳意義。
投影到 2D 很有用，但會丟棄證據
經過高度過濾的 3D 雲可以投影到現有導航棧的平面掃描或成本圖中。投影必須定義最小和最大高度、聚合、未知空間以及陳舊資料行為。不同的切片可能用於定位和障礙層。
投影並不使 3D 感測器與真正的平面掃描器完全相同。點的圖案、時間、密度、雜訊和盲區依然不同。
考慮計算、網路和儲存成本
完整的雲會消耗大量網路、 CPU、 GPU、記憶體和紀錄頻寬。下采樣可以節省資源，但可能會移除較小或較遠的目標。壓縮和傳輸佇列會增加延遲，並可能將過載隱藏在平均速率之後。
測量從資料採集到成本地圖更新的最壞情況端對端年齡。包括事故分析所需的原始紀錄記錄以及雲層丟失或變形後恢復行為。
保持感知和保護功能的明確性
用於導航的 LiDAR 並不自動適合執行安全功能。安全效能取決於具體裝置、架構、診斷、防護場、標準以及經過驗證的制動行為。更豐富的 3D 雲本身並不能保證安全完整性。
定義當覆蓋、時間戳、變換或資料率檢查失敗時會發生什麼。一個繼續處於陳舊感知狀態的機器人，與一個切換到經過驗證的減速或停止速度的機器人，面臨不同的風險。
按遺漏風險證據和生命週期成本選擇
將安裝的機器人以任務速度執行，經過分岔、懸垂、斜坡、人員、反光板和汙染物。測量漏接、延遲和錯誤檢測，以及定位誤差、延遲、資源餘量和維護負擔。比較滿足相同證據目標的最簡單架構。
釋出時要有一份簡明的清單。
評估“移動機器人的 2DLiDAR 與 3DLiDAR”時，還應儲存模型版本、機器人設定、校正檔案、測試日期和全部試驗記錄。
只有把這些持續投入與單位成功任務的價值比較，才能判斷方案是否適合擴大。
上線後仍要持續檢查分佈變化、感測器漂移、機械磨損和人工接管原因。
實際專案還應指定資料、模型、控制器和安全流程的負責人，並預先定義回復條件。責任邊界、審批記錄與變更紀錄越清楚，故障發生後越容易停止擴散、定位原因並安全恢復。
- 繪製了光線、遮擋和近場間隙。
- 測試所有必要的障礙物，跨越距離和角度。
- 驗證時間戳、 deskew、變換和篩選。
- 測量最壞情況計算和資料年齡。
- 將任務感知與經過驗證的保護功能區分開來。
常見問題
3D 的 LiDAR 對 AMR 來說總是更好嗎？
不會。它不僅增加了高度證據，還增加了成本、處理和失效模式；平面系統可能更適合平面結構化任務。
3D LiDAR 能替代安全掃描器嗎？
不是自動的。保護功能需要合適的裝置、架構、標準基礎和經過驗證的停止行為。
投影 3D 雲是否等同於 2D LiDAR？
不。最終掃描保持原始點位模式、時間、密度和盲區。
會不會有更多 LiDAR 頻道能檢測到每一個小障礙？
不會。距離、角度間距、入射、反射率、運動和濾波仍然決定探測機率。
哪個維度更能檢測玻璃？
這兩者都不能保證成功。測試特定波長、感測器、玻璃處理、角度和環境，並設計故障策略。
感知覆蓋與安全邊界
通用 LiDAR 資料並不自動成為安全級的保護測量。進行針對應用的風險評估和驗證。