机械式 LiDAR 是目前机器人和 SLAM 领域最经典的一类，其核心特征是依靠电机、旋转镜组或整个扫描模块的机械运动改变激光束方向。它的优势是扫描模型成熟、测距稳定、点云规律比较明确，尤其是 360° 机械旋转式 3D LiDAR，可以同时看到机器人前后左右的环境，因此非常适合 SLAM；缺点则是存在运动部件，尺寸、振动、寿命和机械可靠性通常不如真正的纯固态方案。按照输出空间维度，可以进一步分为 2D 机械 LiDAR 和 3D 多线机械旋转 LiDAR。

1.1 2D 机械式 LiDAR

2D LiDAR 通常只扫描一个水平平面，内部激光测距模块通过旋转机构不断改变扫描角度，从而得到一圈“角度 + 距离”数据。它并没有直接获得完整三维结构，而是获得机器人某个安装高度上的环境轮廓，因此特别适合地面移动机器人。

第 i 个测量点：

角度：θi
距离：ri

转换到雷达二维坐标系：

xi = ri cosθi
yi = ri sinθi

在 ROS 中通常最终发布为：

sensor_msgs/LaserScan

常见字段：

angle_min
angle_max
angle_increment
range_min
range_max
ranges[]

这类雷达最大的优势是数据量小、计算量低、扫描匹配成熟，因此大量用于 AGV、AMR、叉车机器人、配送机器人、清洁机器人。算法上通常配合 GMapping、Cartographer 2D、Hector SLAM、Karto、AMCL 或公司自研 2D Scan Matching 使用。它的主要不足也很明显：只能看到一个平面，例如雷达安装在离地 30 cm 的位置，那么桌面、悬空障碍物或者较低的坑可能无法直接感知。

1.1.1 SICK TiM 系列

SICK TiM 是工业机器人中非常典型的 2D LiDAR 系列。SICK 当前 TiM 家族仍包含多个 2D LiDAR 产品系列，主要面向移动自动化、定位、区域监控和防碰撞等应用；不同型号在视场、量程和扫描频率上有所区别，例如部分 TiM 型号提供 270° 水平扫描。

对于 SLAM 岗，看到：

SICK TiM

应该马上想到：

2D工业LiDAR
→ 平面LaserScan
→ AGV / AMR常见
→ 工业可靠性较高
→ Cartographer / AMCL / Scan Matching
→ 主要估计 x、y、yaw

SICK 的重点不在于让你背某一个 TiM 的具体量程，而是知道它代表了工业级 2D 激光扫描器这一类设备。

1.1.2 Hokuyo UST-10LX / UST-20LX

Hokuyo，也就是机器人领域经常说的“北阳”，是另一个经典 2D LiDAR 厂商。UST-10LX 和 UST-20LX 都是非常典型的机器人扫描雷达，官方给出的扫描角约为 270°，角分辨率达到 0.25°，对应测距等级分别约为 10 m 和 20 m。

它在高校机器人、ROS 机器人、移动平台和一些传统 SLAM 项目里出现频率很高，因此看到：

Hokuyo UST

应该想到：

2D LiDAR
→ 270°扫描
→ LaserScan
→ 移动机器人经典雷达
→ 适合2D定位建图

1.1.3 Hokuyo UTM-30LX

UTM-30LX 可以看作更加偏向较远距离和室外应用的 Hokuyo 2D LiDAR，官方产品资料给出的典型扫描范围为 30 m、270°，适合移动速度更高或者环境尺度更大的机器人。

所以 Hokuyo 可以简单记成：

UST系列
→ 小型机器人、中近距离

UTM-30LX
→ 更远距离、室外能力更强

1.1.4 SLAMTEC RPLIDAR A1 / A2 / S2 / S3

RPLIDAR 在国内服务机器人、教学开发、低成本机器人平台上非常常见。当前 SLAMTEC 产品线仍有 A1、A2、A3、C1、S2、S3 等型号，其中 A 系列代表比较经典的低成本旋转式 2D LiDAR，而 S2/S3 则采用 dToF 测距路线，S3 当前官方参数包括约 40 m 测距半径和 32 kHz 采样率。

这一组可以这样记：

RPLIDAR A1/A2
→ 低成本
→ 教学、开发、服务机器人

RPLIDAR S2/S3
→ dToF
→ 更高点频和更远量程
→ 商用机器人定位导航

---

1.2 3D 多线机械旋转式 LiDAR

3D 机械旋转 LiDAR 是 LOAM、LIO-SAM、ICP、KISS-ICP、FAST-LIO、GenZ-ICP 等 3D SLAM 算法非常典型的数据来源。这类雷达通常在垂直方向设置多个激光通道，同时通过水平方向 360°旋转形成完整三维点云。

所谓：

16线
32线
64线
128线

本质上通常表示垂直方向存在多个不同仰角的测量通道。雷达旋转之后，相当于这些激光束同时扫过周围环境。

垂直方向：

Laser 1          ↗
Laser 2         ↗
Laser 3        ↗
...
Laser N        ↘

       +

水平方向360°旋转

       ↓

得到：

P1(x1,y1,z1)
P2(x2,y2,z2)
...
PN(xN,yN,zN)

典型 3D LiDAR 点除了 x、y、z 外，还可能携带：

intensity
ring
timestamp / time
return type

这里 ring 和逐点 timestamp 对 SLAM 特别重要。ring 可以告诉算法这个点属于哪条激光扫描通道，而逐点时间戳则可以配合 IMU 做运动畸变补偿。

---

1.2.1 Velodyne VLP-16

VLP-16 是 3D LiDAR SLAM 必须认识的经典型号。

它属于典型的 16 通道、360°机械旋转式 3D LiDAR。当前 Ouster 保留的官方产品资料显示，VLP-16 水平 FOV 为 360°、垂直 FOV 为 40°，最高点率约 60 万点/s。

它的典型点云结构可以想象成：

ring 0
ring 1
ring 2
...
ring 15

        ↓

随着雷达360°旋转

        ↓

形成16层规则扫描结构

所以 VLP-16 与 LOAM 系算法关系非常密切。传统 LOAM 很典型的一套逻辑就是根据 scan/ring 恢复不同扫描线，再计算点的曲率，从中提取 Edge Feature 和 Plane Feature。

因此面试看到：

Velodyne VLP-16

建议马上回答出：

16线
360°机械旋转
规则扫描线
通常有ring
经典LOAM数据源
PointCloud2
适合3D SLAM / Mapping

---

1.2.2 Velodyne VLP-32 / VLS-128

Velodyne 的经典机械式产品还包括 VLP-32 和 VLS-128。Ouster 当前仍保留这些 Velodyne 历史产品的官方资料；相较 VLP-16，增加通道数量的核心意义之一就是垂直方向点云更加密集，物体轮廓和几何结构采样更加完整。

可以简单理解：

16线：
垂直方向比较稀疏

32线：
垂直采样更密

128线：
垂直结构更加丰富

但对于 SLAM 并不是“线数越高就一定越好”，因为点数增加的同时也会提高最近邻搜索、Voxel Map、ICP、地图维护等计算成本。

---

1.2.3 Ouster OS1

Ouster OS1 是目前比较典型的现代旋转式 3D LiDAR之一。当前 Ouster 产品体系中包括 OS0、OS1、OS1 Max、OS2 和 OSDome，其中 OS1 定位为中距离 LiDAR，面向自动化、机器人、基础设施和自动驾驶等应用。

对于 SLAM 来说，它仍然很好理解：

360°旋转
→ 多通道三维点云
→ 点云结构较规则
→ 适合ICP / GICP / LIO / Mapping

所以看到：

Ouster OS1

应想到：

现代旋转式3D LiDAR
高密度点云
360°
机器人 / Mapping常见

---

1.2.4 Hesai XT16 / XT32

禾赛 XT 系列是国内机器人 3D LiDAR 中非常值得认识的一类。当前官方 XT 产品包括 XT16、XT32、XT32M，定位为 360°中距离高精度 LiDAR；XT32 对应 32 通道产品。

所以：

XT16 → 16通道
XT32 → 32通道

看到 Hesai XT32 可以立即想到：

32通道
360°
3D机械/旋转式扫描
机器人、AMR、无人系统
规则点云
ICP / LIO / 3D SLAM

如果拿 XT32 与 VLP-16 对比，主要可以从通道数量、垂直 FOV、点云密度、近距离性能、时间同步方式等方面分析，而不是简单说“32线一定比16线好”。

---

1.2.5 Hesai QT128

QT128 是另一种非常有代表性的高通道旋转式 LiDAR。官方将其定义为 128 通道、360°、105°垂直 FOV 的超宽视场近距离 LiDAR。

其特点可以概括成：

128通道
+
360°水平FOV
+
105°大垂直FOV

      ↓

近距离环境覆盖非常充分

和传统 VLP-16 相比，它不只是“点更多”，更重要的是垂直视场范围明显更大，因此对地面、低矮障碍物以及较高目标都有更充分的覆盖。

---

1.2.6 RoboSense Helios 16 / 32

RoboSense Helios 是国内比较经典的机器人多线 LiDAR 系列，官方当前资源中仍保留 Helios 相关产品资料，包括 Helios 16/32 等型号。

对 SLAM 岗来说不需要死背 Helios 的每一个型号参数，重点认识：

RoboSense Helios
→ 传统多通道3D LiDAR
→ 机器人 / 无人系统
→ 与VLP、XT属于比较容易放在一起理解的一类

---

2. 半固态 / 混合固态 LiDAR

半固态或者混合固态 LiDAR 的核心特点是：不再使用传统大型多线机械扫描头持续高速旋转，但是内部仍可能存在 MEMS 微振镜、旋转镜等小型运动光学部件。

因此：

半固态 ≠ 完全没有机械运动

可以把传统机械式和半固态简单对比：

传统机械式：

大型扫描组件
      ↓
整体持续旋转
      ↓
形成点云


半固态：

MEMS微镜 / 小型旋转镜
      ↓
改变光束方向
      ↓
形成点云

它们通常在尺寸、重量、集成方式和可靠性方面更有优势，但点云扫描规律可能与传统 16线/32线 雷达完全不同。因此对于 SLAM 算法工程师来说，不能只会处理 Velodyne 类型规则 ring 点云。

---

2.1 Livox Mid-360 / Mid-360S

如果你准备现在的机器人 SLAM 岗，Mid-360 系列应该重点掌握。

Livox 官方明确说明，Mid-360 使用旋转镜混合固态技术，而不是传统机械多线 LiDAR 结构，同时提供 360°水平 FOV 和约 59°垂直 FOV，主要面向移动机器人全向环境感知。

截至 2026 年，Livox 还推出了 Mid-360S。官方规格显示 Mid-360S 仍提供 360°水平 FOV，垂直范围约为 -7°～52°，典型点率为 20 万点/s，支持 PTPv2/GPS 时间同步并内置 IMU。

这类雷达特别适合：

AMR
AGV
四足机器人
服务机器人
无人车
室内外移动机器人

在 SLAM 中经常配合：

FAST-LIO2
Point-LIO
FAST-LIVO
Voxel Map
ICP类算法

Mid-360 与 VLP-16 是面试时非常适合对比的一对：

VLP-16：

传统多线机械旋转
→ 16条规则ring
→ 360°


Mid-360：

旋转镜混合固态
→ 非传统16/32线结构
→ 同样360°
→ 机器人集成方便

所以不能看到 Mid-360 就问：

“它是多少线？”

严格来说这种问法已经不太适合这类新型扫描雷达。

---

2.2 Livox Avia

Livox Avia 是 FAST-LIO、FAST-LIO2 和很多 LIO 论文中非常经典的 LiDAR，和传统 Velodyne 最大的区别之一就是扫描轨迹不是传统固定多线环状结构。Livox 当前官方产品体系仍保留 Avia。

可以直观理解成：

传统VLP-16：

----------------
----------------
----------------
----------------

规则扫描线


Livox Avia：

\  /\ /
 \/  X
 /\ /\
   \

扫描轨迹不断变化

因此如果算法严重依赖：

ring
scan ID
固定扫描线数量

就可能需要针对 Livox 做特殊适配。

而 FAST-LIO2 等方法不需要像经典 LOAM 那样强依赖人工边缘/平面扫描线特征，因此更容易处理 Livox 类型点云。

面试看到：

Livox Avia

建议马上想到：

特殊 / 非传统规则扫描
不是传统16/32/64线
FAST-LIO系列经典数据源
通常需要关注逐点时间戳

---

2.3 RoboSense M1 / M1 Plus

RoboSense M1 是 MEMS LiDAR 的经典代表之一。官方资料明确说明其采用 2D MEMS 扫描平台，通过微型 MEMS 镜改变光束方向，而不是使用传统电机驱动的大型扫描机构。

结构可以理解成：

Laser
  ↓
MEMS微振镜
  ↓
改变反射方向
  ↓
二维角度扫描

MEMS 最大的特点是机械运动尺度非常小，因此：

体积更小
集成方便
适合车载
机械惯量低

但很多 MEMS LiDAR 是前向 FOV，而不是天然 360°，因此在机器人 SLAM 中如果只安装一颗，能够获得的全向几何约束通常不如顶部 360° LiDAR。

所以：

M1
→ MEMS半固态
→ 前向感知典型
→ 智能驾驶更加常见

而：

Mid-360
→ 混合固态
→ 360°
→ 移动机器人SLAM更加典型

这两个不要混在一起。

---

3. 纯固态 LiDAR

纯固态 LiDAR 可以简单理解为：不依赖传统旋转电机、旋转镜或 MEMS 扫描镜等运动扫描部件，而通过芯片化发射/接收、电子扫描、Flash 等方式获得三维距离信息。

相比传统机械式，它理论上具有：

机械结构简单
可靠性高
抗振动
体积小
易于集成
易于大规模生产

等优势。

技术路线中常讨论

Flash
电子扫描
OPA光学相控阵

不过从机器人 SLAM 的实际应用来看，目前 VLP-16、OS1、XT32、Mid-360、Avia 这些型号的学习优先级仍然通常高于 OPA 类产品。

---

3.1 RoboSense E1 / E1R

RoboSense E1 是一个比较典型的全固态 LiDAR，官方将 E1 定义为 Automotive-Grade Fully Solid-State Blind Spot LiDAR，水平 FOV 120°、垂直 FOV 90°。

而 E1R 则进一步面向机器人，官方明确把它定义为全固态数字 LiDAR，拥有 120°×90° 的超大 FOV，用于机器人避障、Mapping 和 Navigation。

这种点云形态和传统 360°旋转雷达完全不同：

传统机械360°：

          ↑
       ↖     ↗
     ←  LiDAR  →
       ↙     ↘
          ↓

四周都看到


E1R类前向全固态：

          ┌───────────────┐
          │               │
LiDAR →   │   前方大FOV    │
          │               │
          └───────────────┘

所以如果用这类雷达做 SLAM，需要特别关注：

FOV有限
视角变化
几何约束数量
安装位置
多雷达组合

而不能简单照搬顶部 360° LiDAR 的使用思路。

---

3.2 RoboSense AC1

RoboSense 当前还有面向机器人的 AC1，其官方介绍明确提到传感器硬件使用全固态模块，没有运动扫描部件，重点强调抗冲击、抗振动和复杂环境下的可靠三维感知。

这种产品很好地体现了纯固态路线的核心优势：

传统机械：

有运动扫描机构
      ↓
机械结构和振动需要重点考虑


全固态：

无运动扫描部件
      ↓
结构更加紧凑
      ↓
抗振动、机械可靠性更有优势

对机器人系统来说，尤其是四足、人形、机械振动比较明显的平台，这种特性会越来越重要。

---

4. 常见 LiDAR 型号总表

大类	子类型	厂商/型号	典型特点	SLAM 岗看到后应想到
机械式	2D	SICK TiM	工业2D扫描	AGV/AMR、LaserScan、2D SLAM
机械式	2D	Hokuyo UST-10/20LX	270°、机器人经典	Cartographer、AMCL
机械式	2D	Hokuyo UTM-30LX	30m级、270°	室外/高速移动机器人
机械式	2D	RPLIDAR A1/A2	低成本360°	教学、服务机器人
机械式	2D	RPLIDAR S2/S3	dToF、较高点频	商用机器人
机械式	3D	Velodyne VLP-16	16线、360°、规则ring	LOAM经典
机械式	3D	VLP-32 / VLS-128	更高通道数	Mapping、无人系统
旋转式	3D	Ouster OS1	360°高密度点云	ICP、LIO、Mapping
机械式	3D	Hesai XT32	32通道、360°	AMR、3D SLAM
机械式	3D	Hesai QT128	128通道、105°垂直FOV	高密度近场感知
机械式	3D	RoboSense Helios	多通道3D	机器人、无人系统
半固态/混合固态	旋转镜	Livox Mid-360 / 360S	360°、机器人友好	FAST-LIO、Point-LIO
半固态/混合固态	特殊扫描	Livox Avia	非传统规则扫描	FAST-LIO经典
半固态	MEMS	RoboSense M1	MEMS微振镜	智驾前向感知
纯固态	全固态数字	RoboSense E1R	120°×90°、无传统扫描机构	机器人避障/Mapping
纯固态	全固态	RoboSense AC1	无运动扫描部件	高可靠机器人3D感知

这些产品当前状态与关键分类信息均可在各厂商官方产品资料中确认。

5. 总结

对于 SLAM 算法岗位来说，学习 LiDAR 最重要的是形成“类型 → 扫描方式 → 点云结构 → 典型型号 → 对算法的影响”这条完整逻辑，而不是简单背一张产品型号表。第一大类是机械式 LiDAR，其中 2D 机械雷达主要以 SICK TiM、Hokuyo UST/UTM、RPLIDAR 等为代表。这些雷达主要在一个水平平面内进行扫描，ROS 中通常形成 LaserScan，特别适合 AGV、AMR、服务机器人中的 GMapping、Cartographer 2D、AMCL 和 2D Scan Matching。它们的特点是数据量小、成熟稳定、计算负担低，但缺点是只能看到一个平面，无法完整感知三维环境。3D 机械旋转 LiDAR 则以 VLP-16、Ouster OS1、Hesai XT32、QT128、RoboSense Helios 等为代表，通过多个垂直方向的激光通道配合水平方向旋转获得三维点云。其中 VLP-16 应该重点掌握，因为它代表了经典的“规则多线 + 360°旋转 + ring”点云结构，很多早期 LOAM 系算法以及大量公开数据集都建立在类似的扫描模型之上。

第二大类是半固态或者混合固态 LiDAR。它们取消了传统大型高速旋转扫描头，但是内部仍然可能存在 MEMS 微镜、小型旋转镜等运动光学机构，因此不能简单理解为“完全没有机械运动”。这里 SLAM 岗最应该熟悉的是 Livox Mid-360 和 Avia。Mid-360 使用旋转镜混合固态技术，却可以提供 360° 水平视场，因此非常适合 AMR、四足机器人、服务机器人等需要全向环境约束的平台；2026 年 Livox 还提供 Mid-360S，并继续强化机器人定位、建图和时间同步等能力。Avia 则代表另一类非常重要的扫描结构，它并不像 VLP-16 那样天然对应 16、32 或 64 条规则 ring，因此如果算法高度依赖扫描线结构，就需要进行额外适配。这也是为什么 FAST-LIO2、Point-LIO 以及现代基于直接点云、体素地图的算法在 Livox 雷达上非常常见。RoboSense M1 则代表 MEMS 路线，通过微型振镜实现扫描，更偏向前向智能驾驶感知。

第三大类是真正的纯固态 LiDAR。其目标是不再依赖传统旋转电机、旋转镜甚至 MEMS 扫描镜，而利用 Flash、电子扫描、芯片化光学等方式直接获得三维距离信息。RoboSense E1/E1R 是比较直观的商业例子，其中 E1R 已经明确面向机器人，采用全固态架构并提供 120°×90° 大视场；AC1 的传感硬件同样强调全固态、无运动扫描部件。纯固态路线最大的意义不是单纯“点更多”，而是结构可靠性、抗振动能力、小型化和机器人集成潜力。不过它们很多不是一颗雷达天然覆盖 360°，因此实际 SLAM 需要考虑 FOV、安装方向、多雷达拼接以及可观性问题。

最后，如果岗位 JD 写“熟悉主流 LiDAR 型号”，真正建议你掌握到这样的程度：看到 SICK/Hokuyo，知道它们主要代表工业 2D LiDAR；看到 VLP-16，马上想到 16 线、360°、规则 ring 和经典 LOAM；看到 Ouster OS1、Hesai XT32，知道它们属于现代 360° 3D LiDAR；看到 Livox Avia，知道它不是传统规则多线扫描，FAST-LIO 系算法经常使用；看到 Mid-360，知道它采用混合固态结构，同时又拥有适合移动机器人 SLAM 的 360°视场；看到 M1，知道它属于 MEMS 路线；看到 E1R/AC1，则应该想到全固态、没有传统运动扫描机构。更进一步，实际工程中拿到任何一款新雷达，都应该继续检查 水平/垂直 FOV、量程、点频、扫描频率、ring、逐点 timestamp、回波模式、坐标系、PTP/PPS 时间同步、是否内置 IMU、ROS 驱动以及 PointCloud2 字段。这些信息才真正决定了点云如何去畸变、如何做 ICP/LIO、怎样维护局部地图以及算法能不能稳定实时运行。换句话说，SLAM 工程师真正需要掌握的不是“型号本身”，而是看到型号以后能够迅速判断这颗 LiDAR 会产生什么样的点云，以及现有 SLAM 前端需要怎样适配它。