选型 · 路线之争 · 约 30 分钟
激光雷达 vs 视觉:十年之争的选型版答案
「要不要上激光雷达」不是技术问题,是失效模式与成本的权衡问题。这一页把两边物理原理、失效模式、成本曲线摊开,给出分任务的判据——以及为什么行业还在吵。
一句话结论
激光雷达直接测距离、不依赖光照、精度稳定,但怕雨雾尘且贵;视觉便宜、信息稠密、有语义,但深度要靠推、怕黑怕逆光。两者失效模式几乎不重叠——所以「融合派」在安全攸关场景是结构性正确,而「纯视觉派」赢在成本曲线。
物理原理一句话,决定各自的死穴
激光雷达:自己发光(激光),测光飞出去再回来的时间,直接得到距离。所以它在黑夜里照样工作、精度不随场景变化——但雨雾会把光散射掉,镜面和玻璃会把光引到错误的方向。它的死穴是「介质」与「反射特性」,不是光照。
视觉(单目/双目/RGB-D):被动接收环境光。深度要么靠两个视点的视差(双目/RGB-D 的立体部分),要么靠模型猜(单目+神经网络)。所以白天室外强光、低纹理白墙、逆光都能让它失灵——它的死穴是「光的条件」与「场景的纹理」。RGB-D 的结构光/ToF 版本自己发射红外补光,弱光下能工作,但室外阳光会把红外信号淹没。
两边的死穴几乎不重叠:一个怕天气不怕黑,一个怕黑和强光不怕天气。这就是融合的结构性理由——不是「两个比一个好」,是「一个瞎的时候另一个大概率没瞎」。
参数对照(同价位段,2026 口径)
| 维度 | 激光雷达(千元级国产) | RGB-D 相机 | 双目立体 |
|---|---|---|---|
行业为什么吵了十年
成本曲线的分歧。机械式激光雷达曾是数万美元的部件,2019 年后国产固态方案把价格打到千元级人民币并持续下探;而相机本就是百元级。「要不要多花这笔钱买一条独立测距通道」,答案随价格曲线每年都在变——这就是争论持久的经济学原因。
两条路线的真实分歧点。纯视觉派(以特斯拉为公众熟知的代表)的论点:视觉信息最稠密、自带语义、随量产摊薄成本,且人类只靠视觉就能开车——冗余应该靠算法与数据规模补。融合派的论点:安全攸关系统不该赌「算法在每种光照下都可靠」,独立物理原理的测距通道是保险,激光雷达降价后保费越来越便宜。两家都对,分歧在「安全冗余值多少钱」。
2026 年的现实格局。乘用车高阶辅助驾驶多数采用融合方案(激光雷达进入主流车型);低速无人配送、清洁机器人、人形机器人头部产品以融合为主;人形机器人身上激光雷达与深度相机并存(头部一台三维/固态 + 手部深度相机)。对个人开发者,争论的答案更简单:你的预算买得起第二条独立测距通道吗?买得起就上——失效模式不重叠的价值远大于参数表的漂亮。
分任务判据(给开发者的答案)
- 室内 SLAM 导航(入门第一课):二维激光雷达为主,相机做语义补充。室内没有雨雾,雷达最贵的死穴自动消失;相机的黑墙、玻璃门反而天天遇到。
- 机械臂视觉抓取:RGB-D 单相机起步。工作距离 0.3–1.5 m 正好是深度相机精度最好的区间;激光雷达在这个距离段既贵又分辨率过剩。
- 室外移动平台:三维激光雷达 + 双目/相机 + IMU 三件套起步,且必须回答「下雨怎么办」。这一档没有便宜的正确答案——便宜方案都对应一种确定的失效。
- 人形/足式:头戴固态三维激光雷达或深度相机做环境理解 + 躯干 IMU + 关节编码器/力矩。足式平台的稳定依赖 IMU 帧率(≥400 Hz),这比头顶装什么雷达更影响行走。
- 高速避障(无人机等):延迟是第一参数——事件相机与固态雷达的 µs/ms 级响应在这里是硬需求,普通相机链路 80–150 ms 的延迟意味着 5 m/s 速度下飞出去半米才反应。
给初学者的两条硬建议
第一台设备买「能跑通全链路」的最便宜组合,不要买参数最漂亮的。二维激光雷达 + IMU + 相机的几百元组合,能跑通建图→定位→导航→避障全流程,这比任何单件高端硬件都涨能力。
把「失效模式」写进你的测试清单:关灯测一次、拉窗帘测一次、对着镜子测一次、喷点水雾测一次。四测过后你还敢用的传感器组合,才是真的可用。
进站内深水区
拿到点云之后怎么处理:/k/E2/(点云处理)。
多传感器时间戳与坐标系对齐:/k/B1/(tf 树)——融合的第一课不是算法,是 20 ms 的时间戳。
卡尔曼融合的数学:/math/gauss/(两把尺子的反方差加权)。