01 3D激光雷達的工作原理與優缺點

1 工作原理

原子受激輻射的光，被稱為激光。原子中的電子吸收能量后從低能級躍遷到髙能級，再從高能級回落到低能級的時候，能量以光子的形式釋放出。被引誘出來的光子束，其光子的光學特性高度一致。因此激光相比普通光源單色性、方向性好，亮度更高。

激光雷達的工作原理是向目標發射探測信號（激光束），然后將接收到的從目標反射回來的信號（目標回波）與發射信號進行比較，作適當處理后，就可獲得目標的有關信息，如目標距離、方位、高度、速度、姿態、甚至形狀等參數。它由激光發射機、光學接收機、轉臺和信息處理系統等組成，激光器將電脈沖變成光脈沖發射出去，光接收機再把從目標反射回來的光脈沖還原成電脈沖。

評價激光雷達的顯性參數主要包含測遠能力、點頻、角分辨率、視場角范圍、測距精準度、功耗、集成度（體積及重量）。

北拓資本整理《固態激光雷達研究進展》

發射光源一般905nm半導體激光器和1550nm光纖激光器。大多激光雷達公司都使用905nm光源，905nm方案一般采用邊緣發光（EEL）技術或垂直腔面發射激光器（VSCEL）技術，因905nm光源可能傷害人眼，為滿足Class-A安全要求，905nm光源的發射功率相對受限。1550nm光源功率更大，穿透能力強，探測距離長，但受制于成本目前未能普及，據產業鏈調研，905nm光源成本一般在100美元以內，1550nm光纖激光器成本在1000美元左右。

資料來源：《禾賽科技招股說明書》

測距方式主要為ToF和FMCW。ToF測距方式通過記錄激光發射和接收的時間差，再乘以光速計算出距離。FMCW利用發射頻率變化的連續波，利用頻率差、多普勒效應，確定物體位置，測量物體速度。FMCW具有探測距離遠、靈敏度高、抗干擾能力強、成本低、功耗低等優勢，但目前技術門檻極高，對系統集成、信號處理算法方面要求嚴格，還未實現大規模量產。

接收端包括APD和SPAD。APD（雪崩二極管）為典型的光電轉換模塊，技術較為成熟。SPAD（單光子雪崩二極管）陣列效率比傳統的APD高，可實現低激光功率下遠距離探測，并降低系統功耗和減小體積，但電路設計和制造工藝方面還有難題需要克服。

從掃描方式來看，激光雷達可以分為兩大類：機械式激光雷達和固態激光雷達。機械式激光雷達采用機械旋轉部件作為，可以實現大角度掃描，但裝配困難、成本較高。固態激光雷達目前的實現方式包括MEMS、Flash、OPA及棱鏡技術。

2 優缺點

相比于普通微波雷達，其優點是分辨率高、隱蔽性強、抗干擾能力強、體積小質量輕。其缺點在于：第一，生產成本較高，這是制約其在車企或機器人企業大規模部署的主要因素；第二，受天氣因素影響大，信號在大雨、濃煙、濃霧時衰減很大；第三，激光波束窄，只能探測波束掃到的較小范圍內搜索捕獲目標，目前主要應對措施是采用機械旋轉和動態掃描兩種方式來增大探測范圍，機械旋轉是汽車上最受歡迎的方式，最先進的激光雷達系統則采用多光束的方式來減少移動結構。

激光雷達可以彌補現有傳感器的不足，融合多類型傳感器，高階自動駕駛必須要做多傳感器的融合，3D激光雷達技術可以做到3D數據的輸入輸出，包括距離、位置、寬度等數據，且精度高。雖然目前價格昂貴，但是50家獲加州DMV路測牌照AV公司中，96%認為激光雷達是必需的零部件。

02 3D激光雷達應用場景

激光雷達的應用場景較多，主要集中在車輛（L4和L5自動駕駛）、港口、封閉式碼頭、礦區、物流園區、工業車輛、智慧農業（國家重點關注）、機械（自動化）、機器人、測繪等領域。

▌車輛

上海現有一條綠化出來的路線專門用于自動駕駛，北京、長沙、深圳陸續都會出現這樣的區域來運用自動駕駛技術。這會吸引眾多做激光雷達的車廠、供應商、零部件廠商。

資料來源百度，禾賽科技，北拓資本整理

▌安防

美國與墨西哥邊境墻中運用了激光雷達。

資料來源：北拓資本整理

▌智慧家居

別墅、辦公樓入口檢測融入了激光雷達技術。

資料來源：鐳神智能，北拓資本整理

▌機器人

激光雷達小型化后，可以運用到機器人、無人機、可穿戴設備，VR等方面。

資料來源：京東科技，北拓資本整理

03 3D激光雷達的主要技術路線及特點

1 機械式激光雷達

優點：性價比高，線別豐富（有32線、16線、8線、4線等不同價格），360度視角廣。

缺點：體積大，昂貴，笨重。

通過機械式旋轉來實現激光掃描。多束激光縱向排列，縱向疊加后呈現出三維立體圖形。機械式激光雷達作為自動駕駛領域最早開始應用的傳統激光雷達，歷經多年迭代技術已較為成熟，可實現量產，預計會長期是Robotaxi的主流方案，但由于裝配困難、光源較多導致成本較高。

資料來源：MEMS，北拓資本整理

2 固態激光雷達

優點：在汽車logo下方，保險杠下方，擋風玻璃后方以及車的側面任何部位都可以隱藏式安裝，分為 MEMS, FLASH, OPA，棱鏡及其他。

1. MEMS

通過微振鏡代替機械式旋轉裝置，由微振鏡反射激光形成較廣的掃描角度和較大的掃描范圍。相比機械式，MEMS（微機電系統）激光雷達具有芯片化方案、無機械組件等等優點，兼顧車規量產與高性能的需求。但MEMS激光功率較低，有效距離較短，且激光掃描范圍受微振鏡面積限制，視場角（FOV）相對較窄。MEMS有效克服了機械式激光雷達在壽命、成本和良品率等方面的問題，將在未來五年占主導地位。2019年到2020年期間市場上的激光雷達大部分都是MEMS。

資料來源：innoluce，北拓資本整理

*圖示翻譯：Transmission channel 發射通道；Receiver channel 接收通道；Laser driver 激光驅動器；MEMS driver ASIC MEMS驅動器芯片；LIDAR controller chip雷達控制發器芯片；Transimpedance amplifiers 跨阻抗放大器；APD sensor array 雪崩光電二極管陣列

2. FLASH

類似相機，利用冷光閃的方式，短時間發射出一大片覆蓋探測區域的面陣光，再以高度靈敏的接收器，來完成對環境周圍圖像的繪制，屬于非掃描式雷達。因為光源的能量被分散到整個面，能量相對較少，需要對光源能量、發射方式進行創新，部分方案采用

CMOS接收。其特點是穩定性高、成本低，不必耗費巨量的人工校準時間。在量產成本與量產時間上，都有巨大的優化。但主要問題在于其探測距離較短，視場角受限，掃描速率較低，能耗高，主要應用在機器人場景。

資料來源：法雷奧，北拓資本整理

*圖示翻譯：Scanning

LIDAR 掃描式雷達；Scanning path 掃描路徑；Flash LIDAR 泛光面陣式雷達；Side view

側視圖；Severalsmall laser spot 幾個小激光光斑；One large laser spot 一個大激光光斑

3. OPA

通過波的干涉判斷被測物體的距離和速度，有的方向互相增強，有的方向抵消，增強方向即激光掃描方向。相比MEMS，OPA完全取消機械結構，結構更加簡單，體積更小，激光控制全部集成化在一塊光學相控陣（Optical

Phased Array,

OPA）芯片上。其上游核心電子元器件、技術支持不成熟，幾乎沒有零部件供應商，需要做OPA路線的企業自己研發，而OPA制造工藝難度大，產業化尚待時日。

資料來源：MEMS，北拓資本整理

4. 棱鏡

發射和接收端固定，通過旋轉調整兩塊棱鏡實現特定軌跡的非重復掃描，掃出來一個3D激光雷達的多線的狀態，并擅長波束賦形掃描。如果時間足夠，它可以檢測一個視場角。傳統機械掃描是發射器和接收器360度重復掃描，大疆覽沃實現非重復掃描（每次光線軌跡不重復）。優勢在于視場角豐富，但仍需電機驅動，會引入波動。

資料來源：livox，北拓資本整理

5. 轉鏡

固定發射和接收端，激光通過旋轉鏡面系統進行掃描，通過較少光源的機械光路實現收發。該技術路線為最早過車規的路線（Scala1），華為、Innovusion也使用類似方案。此方案可以控制掃描區域，提高關鍵區域的掃描密度，但電機驅動的方式具有一定不穩定性，光源能量分散也對光源功率提出一定要求，部分廠商采用了量產進度相對靠后的1550nm光源方案和SPAD方案。

資料來源：法雷奧，北拓資本整理

03 3D激光雷達主要算法

北拓資本整理

04 全球主要的激光雷達廠商及產業化進度

（截止至2021年3月）

據產業鏈調研，激光雷達將在2025年逐步實現批量化交付，且由于汽車行業的design trip時間特別長，量產會延后很多年，企業需要盡早切入其供應體系。在此背景下，世界上主要激光雷達企業、汽車OEM和零部件供應商均在大力布局該領域。

1 全球各國主要激光雷達廠商

美國：Velodyne,

Luminar, Quanergy, Quster, Aeva, Ouster, Innovusion, Cepton

中國：禾賽，華為，鐳神，大疆Livox，速騰聚創RoboSense，北醒光子Benewake， 一徑科技Zvision，飛芯電子ABAX Sensing，歡創科技Camsense，嶺緯智能Neuvition

德國：Ibeo/法國 Valeo-Scala, Bosch, Blickfeld, Hella

以色列：Innoviz

日本：Hokuyo, Pioneer

2 汽車OEM/零部件廠家的布局情況

OEM廠家偏向進行一些投資性的工作，而不是成立自己的事業部或者收購（內部排他性約束），如豐田沃爾沃投資Luminar，通用收購Strobe，現代Mobis投資Velodyne，

上汽投資Robosense，奔馳投資Quanergy，百度投資Velodyne。

3 主要3D激光雷達品牌的量產進度

▌Velodyne

2020年通過與SPAC

GRAF合并實現借殼上市，成為激光雷達第一股。投資方包括福特、百度、尼康、現代Mobis，擁有500+客戶，客戶類群最多，2010年起累計出貨約4萬臺。其Velabit小型最低價型號為100美金。人們對其的關注度在淡化，百度也降低了投資量，但Velodyne依然是行業的先鋒者。

▌Velodyne和Ibeo

Valeo和Ibeo合資生產出Scala，目前已生產出Scala2（16線，145度）且已經交付了 10萬臺，之后的奧迪A8/A7/A6/Q7/Q8，奔馳，長城和本田都會進行量產。

▌Luminar

2020年通過與SPAC

GoresMetropoulos

Inc.合并借殼上市。主要路線是MEMS，Luminar采用1550納米波長InGaAs傳感器，比傳統傳感器更靈敏，波長更長，產品可以做到等效300線，成本比較低，可測250米120°，為車規級。2018年獲得沃爾沃投資2020年5月正式官宣和沃爾沃合作，會在沃爾沃的兩款車型上（XC90和極星3）搭載與大眾、福特等13家OEM廠商合作。其成本低于1000美元/個。

▌Innoviz

2016年成立于以色列，2020年通過與SPAC

Collective Growth合并借殼上市。較早提出MEMS方案，而且最為活躍。使用MEMS與905納米波長傳感器。寶馬iX、iNext

SUV于2021年開始搭載Innoviz1，并與寶馬有2023年的量產計劃，其中L3級別自動駕駛汽車的數量在一到兩臺。

▌Aeva

2017年成立于硅谷，2021年通過與SPACInterPrivate

Acquisition合并借殼上市。早期獲得了保時捷的投資，包括奧迪和大眾也有相關計劃。2020年宣布和政府合作研發自動駕駛汽車LiDAR，2023-2024年投產。產品使用低成本的半導體工藝制造，售價在500美元以下。

▌Quanergy

2012年成立于硅谷。采用OPA技術，905納米波長的全固態激光雷達。Quanergy最早提出來把基片式激光雷達小型化，成本最優化。2013年提出要把幾萬美金的激光雷達傳感器做到單價為200美金以下的決斷，使業界一片嘩然。投資方為戴姆勒奔馳、德爾福、三星、森薩塔。森薩塔車用激光雷達S3會在森薩塔常州工廠代工，并且要在國內建研發基地和工廠。

▌Innovusion

2016年成立于硅谷，并在蘇州成立子公司圖達通，由百度智能駕駛事業部前高管團隊創建，投資方包括高榕資本、蔚來資本、斯道資本、F-PrimeCapital、均勝電子等。該公司將為蔚來ET7提供超遠距離高精度激光雷達，該激光雷達擁有120度超廣視角，等效

300線的超高分辨率，最遠探測距離可達500米。

▌Ouster

2016年成立于舊金山，2021年通過與SPAC colonnade合并借殼上市。Ouster的主要優勢：

內部只有激光發射（VCSEL）與激光接收（SPAD）兩顆芯片，大大提升了可靠性，降低了價格；

輸出結構化數據，確保高分辨率，且每18個月分辨率將提升一倍，而不會引起成本、體積、重量、功耗的任何變化；

獨有的系統結構（特殊的FLASH），保證更高的穩定性，帶給用戶更大的成本優勢；

2D與3D數據的完美對應，大大提高了機器學習的效率，減少了數據標注的時間。

▌CeptonTechnologies

2016年成立，投資方包括汽車照明系統開發商Koito。其獲得專利的智能激光雷達技術(MMT)可實現無反光鏡、無摩擦且無需旋轉的激光雷達解決方案，從而提高了產品的可靠性和批量生產的可行性。

▌RoboSense（速騰聚創）

2014年成立于深圳，產品線涵蓋16線到128線，包括MEMS以及OPA，投資方包括北汽產業投資基金、上汽、菜鳥網絡。Robosense與LUCID有合作。LUCID是美國的一家新興造車勢力，將在后續的量產車輛上搭載一款采用125線MEMS技術的HFOV120°激光雷達。

▌Hesai（禾賽）

2014年落戶至上海。采用16/32/128線MEMS技術，同時涵蓋40線、64線、128線，主要市場是Robotaxi以及應用于港口的Robotruck，在2019年價值4200萬美元，共占有42%的市場份額。

▌Huawei（華為）

路線與Luminar類似，使用InGaAs銦鎵砷紅外面陣接收器，波長1550納米的傳感器。目前官宣的企業為北汽、長安汽車，會搭載華為的激光雷達。北汽會在極狐ARCFOX新款HBT車型上搭載3顆，長安汽車會在其全新的高端智能EV上搭載36個傳感器，其中5顆激光雷達。

▌Livox（大疆）

采用Horiz定制版旋轉棱鏡類固態激光雷達，可以在10%反射率的情況下可以達到150米,120度，并等效144線。從量產的匹配的型號XPilot可以判斷出來其使用1-2只的數量，因為小鵬利用XPilot的方式輔助駕駛。

▌LeiShen（鐳神智能）

2015年成立于深圳，鐳神智能大大降低了產品的成本和價格，投資方包括東風。在類似于商用車的SharingVan上搭載4LiDAR+1毫米波+16超聲波+12攝像頭。截至2020年6月已交付6臺產品。2020年8月宣布與陜汽重卡合作研發車規級MEMS激光雷達。

▌Zvision（一徑科技）

2017年成立于北京。與廣汽合作搭載MEMS、160線LiDAR。一徑科技的激光雷達通過了1000Hz隨機振動和50g的機械沖擊以及-40~85攝氏度的高低溫循環測試，完成了數十個標準認證。

資料來源：各公司官網、中金公司研究部

05 3D激光雷達的市場規模與上游供應商

上游供應商

資料來源：北拓資本整理

2020年，全球激光雷達的市場規模為9億美元，這9億美元是硬件和軟件結合的市場規模。據預測，2025年全球激光雷達的市場規模將達135.4億美元，較2019年實現64.5%的年均復合增長率。

數據來源：沙利文研究

據預測，至2025年，中國激光雷達市場規模將達43.1億美元，占全球31%，較2019年實現63.1%的年均復合增長率。

數據來源：沙利文研究

全球市場規模的增長主要受益于以下4個應用場景的增長。

資料來源：沙利文研究，北拓資本整理

1 無人駕駛（市場占比25.8%）

針對L4/L5級別的運送乘客Robotaxi和運送貨物Robotruck，由于駕駛責任完全歸屬汽車本身，對激光雷達探測性能要求最高，同時車輛所有者為運營公司，對激光雷達價格及與車身集成度要求較低。據預測，2025年全球Robotaxi和Robotruck的L4/L5無人駕駛汽車，數量為53.5萬輛，對應的激光雷達市場規模35億美元（假設一輛車一套，單價為6542美元），2019年至2025年的年均復合增長率達80.9%。

數據來源：沙利文研究

2 高級別自動駕駛ADAS（市場占比34%）

針對L2/L3級別的自動駕駛乘用車，直接面向用戶，因此，激光雷達與車身融為一體的美觀性要求和價格敏感度都較高。據預測，2025年全球乘用車新車L3滲透率6%，即每年近600萬輛新車將搭載激光雷達，對應的市場規模為46.1億美元（單價768美元），2019年至2025年復合增長率達83.7%。

數據來源：沙利文研究

3 服務機器人（市場占比5%）

非汽車應用的服務機器人，包括了無人配送、清掃、倉儲、巡檢，移動速度慢、場景復雜度低，對激光雷達的性能要求適中，但對價格比較敏感。據預測，2025年激光雷達在該細分市場規模為7億美元，2019年至2025年的復合增長率為57.9%。

數據來源：沙利文研究

4 車聯網（市場占比33%）

在智慧城市和測繪領域，使用激光雷達完成高精地圖數據采集，或安裝在路端用于實時交通監控，該領域對激光雷達的車規化和集成度要求較低，但對其感知算法要求更高。據預測，至2025年，激光雷達在該領域的市場規模為45億美元，2019年至2025年復合增長率為48.48%。

數據來源：沙利文研究

06 3D激光雷達的投資考量點

根據標的公司發展階段不同，投資的側重點分為兩大方向：對于A輪及以前階段的公司，主要看技術先進性；對于B輪及以后階段的公司，主要看量產可行性。下表統計了2016年至2020年激光雷達領域融資事件數量。

數據來源：企名片pro

1 A輪及以前階段公司的考量點：產品先進性

產品先進性，主要指是否提升了分辨率、幀率、探測距離、探測精度等綜合性能，是否降低成本。硅光集成、FMCW作為新的解決方案，受到廣泛關注。

▌硅光集成：從IC到PIC的演進

硅光方案，將復雜的光學器件，集成在一顆硅光芯片，采用CMOS工藝加工。運用該技術的激光雷達，具有2大優勢：體積小、成本低。硅光方案的價值之一在于大幅度降低成本。據松禾資本數據，若光芯片大小為600平方毫米，則基于硅光的OPA固態激光雷達成本可控制在40美元以內。據國科光芯數據，目前技術可將整個模組的IC部分也集成在硅光芯片，或分開兩片加工，用Flip

Chip、BSI、TSVs等成熟工藝貼合，實現小型化、成本最低化。硅光方案的配合也可解決其它技術路徑本身的困境。早期OPA發展中，陣列數較小，旁瓣、發散角、掃描角度等問題嚴重，結合硅光技術，增加陣列數，可大幅改善以上問題。

硅光方案的實現原理：在發射端，采用CoC工藝，將激光器集成于硅光芯片，利用光柵等結構實現光束整形，發射準直光、特定角度和能量分布的線、面光源，也可用OPA技術實現1維、2維的掃描；在接收端，同樣可采用光柵、PD/APD等結構，實現信號收集。如采用相干接收，可把混頻器、平衡探測器等機構，集成于硅光芯片。

硅光技術1985年由美國貝爾實驗室提出，目前廣泛運用于光通信領域。全球在激光雷達應用硅光的玩家較少，國外有Analog

Photonics、Voyant Photonics、Scantinel

Photonics等；國內僅2家，國科光芯、洛微科技。其中，國科光芯于2019年完成新一代硅基光學OPA固態激光雷達芯片流片；2020年洛微推出基于硅光OPA的200線純固態成像級激光雷達。

材料、工藝、光源集成這3大要素，是目前全球硅光技術普遍面臨的難點。材料方面，激光雷達傳輸距離長，要求上百mW，甚至W級的光功率，普通硅材料易發生強烈非線性效應，因此需要能承載高光功率的材料。工藝方面，硅光芯片需要在Fab線上利用

CMOS設備進行特色工藝開發，但目前產量小，難以得到Fab廠支持。光源集成方面，當前光源在短時間內難以單片集成在硅光芯片上，多采用片外耦合、混合集成的方式，但在體積、可靠性上不如單片集成。相對更可行的片上混合集成，全球真正有能力做好的公司也屈指可數。國內整個行業、入局企業也在逐步攻克這些世界性難題，陸續打通硅光工藝平臺，各地建設硅光Fab平臺，如中科院微電子所、中國電科38所等，為硅光集成激光雷達量產打好基礎。

▌FMCW：下一代測距技術

激光雷達的測距技術，主要有2種：FMCW、ToF。ToF是當前主流方案；FMCW（調頻連續波）主要通過在掃頻周期內，發射頻率變化的連續波，利用頻率差、多普勒效應，確定物體位置，測量物體速度。

業內普遍認為，FMCW有4大優勢：探測距離遠、靈敏度高、成本低、功耗低。據高工智能產業研究院的數據，FMCW的靈敏度超ToF十倍，功耗比其低1000倍。FMCW不但能實現低成本低功耗的技術指標，還有更遠的探測距離，以及對點云圖中每個點具體速度與方向的探測能力。因其對系統集成、信號處理算法方面要求嚴格，全球采用該技術的玩家不多，自動駕駛領域有Analog

Photonics、Aurora、Cruise、Aeva，消費領域有Aeva、Point

Cloud。國內現在也僅有3家，分別為國科光芯、洛微科技、光勺科技。

FMCW創業公司獲得全球巨頭青睞。2018年寶馬、豐田投資Blackmore，2019年光學巨頭蔡司獨家投資Bridger Photonics。

2 B輪及以后階段公司的考量點：量產可行性

隨著激光雷達應用的逐步落地，量產可行性，成為公司發展過程中一道不可避免的考題，具體可分為以下4個維度。

第一，應用場景能否支撐足夠的市場規模。L3以上自動駕駛方案必備激光雷達，整車裝配2-4個，單車成本800-1600元。服務機器人的起量，帶動消費級激光雷達的普及。

第二，產能和價格是否支持產品普及。產品內部模塊在設計時，需考慮量產的適應性，減少人工環節，并儲備后期量產的供應鏈廠商。

第三，能否通過車規級認證。激光雷達產品達到車規級，需通過3個標準認證，進行車規振動、沖擊、溫度循環等試驗。目前，國外僅法雷奧SCALA是量產的車規級激光雷達；2020年，鐳神智能CH32混合固態激光雷達，在國內率先通過車規級認證。

第四，是否綁定下游大客戶。大型車廠在性能、價格、車規、可靠性等層面都有明確指標，客戶需求可使激光雷達研發企業少走彎路，鎖定未來營業收入。

3 3D激光雷達行業之見解：技術路徑不代表產品

隨著服務機器人的起量，激光雷達逐漸從自動駕駛的“神壇“，走向更大眾化的應用場景，需求快速攀升；同時，部分車型自動駕駛方案落地，也為該賽道帶來進一步利好。激光雷達技術路線百家爭鳴，傳統機械式、半固態激光雷達，在成本、三維點云技術等方面遭遇瓶頸；而全固態激光雷達，在消費級、車規級場景持續推進，但也面臨著分立式、集成式兩條技術路徑的抉擇。

行業兩大發展趨勢：第一，OPA、相干探測方案嶄露頭角。雖然國內外廠商都在重點布局MEMS，MEMS仍是激光雷達當下與未來一段時間內的主流方案，但2020年，OPA、相干探測的技術取得了實質性進展，并獲得資本關注。第二，硅光CMOS技術引領變革。硅光集成現階段向光傳感場景延伸，除了考驗廠商在光子集成技術方面的積累，更注重對材料體系、集成工藝、流片工藝、封裝工藝等全流程的把控能力。作為芯片級的集成方案，硅光在未來超低成本、超高可靠性的全固態激光雷達方案中，也將占據重要環節。

不同激光雷達公司的技術路線、算法各不相同，在審視的時候，我們需要是從當前繁雜的技術思維擺脫出來，從產品與用戶需求的維度來理解激光雷達，從而盡量打破認知局限。技術只是實現產品的手段，技術的先進性并不等同于產品更貼近用戶需求。從產品和用戶需求的契合角度來理解激光雷達，是非常有效的一種手段。只有將更多的精力放在產品上，才能讓廠家和用戶在同一個話語體系下更好的交流。評價激光雷達主要有三個層面指標：性能指標，可靠性和成本。

性能指標：分辨率、幀率、探測距離、精度、視場角……

可靠性：溫度、振動、壽命……

成本：硬件成本、使用成本……

采樣率=（360/水平角分辨率）*幀率*線數。采樣率是不變的量，是該設備的采集能力上限。角分辨率和幀率負相關，當水平角分辨為0.1°時，掃描幀率為5幀，當水平角分辨為0.4°時，掃描幀率為20幀。小角分辨率和高幀率不可兼得。

角分辨率、幀率和測量距離三個變量是“零和博弈”的關系，提升其中一個變量的性能，必然損失另外兩個性能，而那個不可突破的因素就是光速。在實際的測量系統中，信號的處理和解析也需要消耗大量的時間，就導致單組測量系統的采樣率大大降低。如何調節激光雷達的分辨率和準率問題，就成了在總量不變的情況下，如何在時間和空間上去分布的問題。在自動駕駛場景中，同時追求高性能：小角度分辨率，高幀率，遠距離。小角度分辨率代表了看清的能力，高幀率代表了反應敏捷度。這種零和博弈在所有的基于單點掃描式的激光雷達系統中普遍存在。而基于MEMS振鏡的掃描式雷達，由于收發組件減少的原因，其采樣率會更低，這種矛盾會更突出。

在激光雷達的評價中，我們往往會過度突出某一指標而忽視其它，因此我們需要綜合評價分辨率，幀率和距離等表征識別能力的指標。