激光雷达与机器人 是一对好CP吗?

相信大部分人知晓激光雷达都是从谷歌的无人驾驶汽车上得知的，一个成本占据无人驾驶汽车40%的激光雷达，可以帮助无人驾驶汽车获取所在环境的三维位置信息，确定物体的位置、大小、外部形貌甚至材质等信息，以“精准”、“快速”、“高效作业”的空间探测能力成为是无人驾驶领域不可或缺的存在。

但跟无人驾驶相比，激光雷达在机器人身上好像更能快速落地：精度要求不那么高，成本更低、允许一定差错……

激光雷达的应用，可以帮助机器人在未知环境中了解周边环境信息，为后续定位导航，甚至是人机互动提供很好的环境认知能力，推进机器人智能化的进程。

思岚的RPLIDAR系列雷达在各种机器人身上应用

激光雷达是智能化的一个重要入口

把激光雷达装在机器人身上，解决了智能的第一个问题，就是：给了机器人一双“眼睛”。

通过激光雷达，机器人可以向外界发射红外线光源，通过三角测距或者TOF成像原理对机器人进行定位，帮助机器人构建所在环境的高精度轮廓信息，辅助机器人。

通过观察机器人与激光雷达这对CP不难发现，激光雷达的大小、成本、性能在机器人身上都取得了较为理想的最佳值。不仅可以帮助机器人实现精确的服务，还能满足复杂场景下的用户需求。

说到这里，肯定有人会提出这样一个问题，那就是：跟激光雷达拥有同样定位建图效果的视觉技术，为什么不能说TA跟机器人才是更配的CP组合？下面，笔者做了个简单分析。

通过上图可以看出：不可否认，视觉摄像头在帮助机器人定位建图方面的作用不可小觑，但激光雷达相比视觉摄像头成像，还是拥有众多优势的。比如，支持自主避障，环境适应性强等。在未来的一段时间内，多传感器融合是大势所趋，所以更期待两种技术融合碰撞出的火花。

激光雷达帮助机器人解决部分行走问题

在有了地图数据后，激光雷达就要发挥更大的价值了，就是要帮助机器人解决第二个问题：行走问题。

机器人拥有智能行走能力不是单靠激光雷达就能实现的，这个时候，笔者就要引入激光SLAM这个概念了，相信大家也不陌生。

在这里就不占用大家时间了，感兴趣的可在百度搜索：《机器人自主定位导航的二三事儿》。

机器人最好的时代来了

无人驾驶之所以迟迟不能落地，除了技术难度高、政策复杂等因素之外，还有就是成本高。不过，这些问题在服务机器人领域都在以独到的优势被一一攻克，机器人最好的时代来了！

技术问题

目前，根据行业和需求的不同，市面上单线、多线、固态、机械雷达种类颇多，再加之良性竞争的存在，更是引导了整个市场的正向发展。

（1） 测距半径

作为主要用途是距离测量的激光雷达，其测量的最大距离（量程）自然是其最核心的指标。曾经，三角测距雷达被贴上难以突破20米以上的实用化测距的标签，一直徘徊在8米、10米、16米的测距半径魔咒中，而现在，能轻松实现25米+的测距半径，未来，会更长。

（2）测量频率

较高的扫描频率可以确保安装激光雷达的机器人实现较快速度的运动，并且保证地图构建的质量。现在，市面上的雷达已经能实现16000/秒，甚至可以达到更高的激光测距频次。

（3）黑白物体的检测

目前，激光雷达所标称的距离大多以90%反光率的漫反射物体（如白纸）作为测试基准。但实际上，对于黑色数据的有效检出也同样是一个重要的性能指标。激光雷达已经能在10米半径左右实现黑色物体的稳定检测。

（4）室内外皆可使用

除了深色物体检出能力外，激光雷达能在各类环境光的影响下实现工作也尤为重要。突破三角测距视觉极限，升级处理算法和光学调校，让传统的三角测距激光雷达能轻松实现室外70KLux强光下稳定工作。

政策问题

世界范围内各个国家对机器人产业的发展都是持支持态度，就中国而言，在两会等各种国家级会议上曾多次提及“人工智能“这个话题。建议加快人工智能创新成果的应用转化，推动人工智能应用到产业发展中去。机器人也是其中一个重要的分支。

成本问题

精度要求越高，激光雷达的成本就越大。但是用在服务机器人身上的激光雷达并不需要跟无人驾驶上的激光雷达达到一样的精度，如果要一样，显然是不现实的，成本上也不允许这么干 。

成本问题可以分为两类：

（1）价格

价格主要跟技术和出货良品率有关。目前，随着供应链制度的完善以及激光雷达技术本身的进步，国内激光雷达厂商能够把服务机器人的激光雷达成本控制在千元级别，家用机器人市场更低，可以控制在百元级别。

（2）寿命

除了从上面两个地方控制成本外，还能从激光雷达使用寿命上控制，延长产品淘汰周期。思岚的RPLIDAR 系列雷达采用电磁融合技术，这种非物理接触的无线供电和无线数据传输技术，解决了因物理接触机械磨损导致电气连接失效、激光雷达寿命短的问题，能让雷达使用寿命长达5年（365天*24小时*5年）。

……

解决了上面这些技术、成本问题之后，一个最核心的问题来了！即：激光雷达是不是只能用在机器人身上？

好CP是好CP，但是答案当然是：不是！