如果说相机是机器人的“眼睛”，激光雷达就是机器人的“触角”——它用激光束主动探测周围空间，直接获取精确的三维距离信息。但在“如何让激光扫描空间”这个问题上，四种技术路线给出了完全不同的答案。

这篇文章从物理原理出发，横向对比机械式、MEMS、OPA和FMCW四种LiDAR技术路线的工程成熟度，帮你理解它们各自适合什么场景。

一、机械式LiDAR：用旋转部件换取360度视野

机械式LiDAR是最“直观”的方案——它真的有一个旋转部件在转动。

工作原理很简洁：将多个激光发射器和接收器在竖直方向上排成一列，形成一个垂直的“扫描面”，然后通过电机驱动这个面绕垂直轴旋转。每旋转一周，就获得一圈360度的三维点云。

我们常说的“16线”“32线”“64线”，指的就是竖直方向上排列的激光线束数量。线束越多，垂直方向的角分辨率越高，点云越密。以某款32线LiDAR为例，32根线从上到下覆盖15.0°到-24.9°的垂直视场。水平方向的角分辨率则由旋转速度和激光脉冲频率共同决定。

机械式LiDAR的优势很明确：360度水平视场是它独有的能力，这是旋转扫描的天然结果。在自动驾驶的早期方案中，车顶那颗“圆柱形”的LiDAR就是机械式的。

但它的劣势同样明确。旋转部件意味着机械磨损和可靠性问题——滑环需要持续传输电力和信号，轴承和电机有寿命限制。体积大、成本高、难以通过车规级振动和温度测试。在乘用车前装量产场景中，机械式LiDAR已经基本被固态方案取代。但在机器人领域，特别是需要360度全覆盖的巡检机器人、AGV等场景中，机械式LiDAR仍然有它的位置——它的点云密度和一致性是固态方案短期内难以完全替代的。

二、MEMS微振镜：用微米级振动代替宏观旋转

MEMS LiDAR的核心思路是：把“转动整个扫描面”变成“转动一面小镜子”。

它的核心器件是一个硅基微振镜——一个毫米级大小的镜面，通过静电、压电或电磁驱动方式在特定角度范围内高频振动。激光束打到这个微振镜上，被反射出去，随着镜面的振动，出射光束的方向也随之变化，从而实现扫描。

MEMS LiDAR的扫描维度通常由两个轴构成：一个轴（慢轴）负责垂直方向的扫描，另一个轴（快轴）在水平方向做高频扫描。两个轴的运动合成，就能在二维视场内形成扫描面阵。

MEMS方案的核心优势是小型化和低成本。没有宏观旋转部件，整个LiDAR可以做到巴掌大小甚至更小。它的垂直角分辨率可以做到很高——镭神智能的LS20E MEMS LiDAR垂直角分辨率达到0.05°，扫描效果等效于400线机械式LiDAR。这意味着在相同距离下，MEMS LiDAR可以产生比机械式密集得多的点云。

但MEMS方案也有自己的瓶颈。帧频和扫描角度的矛盾是最突出的问题：微振镜在高频振动时，可控性和稳定性会下降，帧频的提高需要牺牲扫描角度。此外，微振镜在车载振动环境下的长期可靠性、以及温度变化对谐振频率的影响，都是工程上需要解决的问题。

在机器人场景中，MEMS LiDAR适合对体积和成本敏感、但需要较高角分辨率的应用——比如人形机器人的头部感知模块、四足机器人的导航传感器。它的垂直角分辨率优势可以让机器人在近距离获得更精细的环境点云。

三、OPA光学相控阵：用相位控制代替物理运动

OPA（Optical Phased Array，光学相控阵）是四种方案中最“科幻”的一种。它的扫描没有任何运动部件——连微振镜的微小振动都没有。

OPA的核心是一组可调谐相位延迟的硅波导阵列。每个波导通道可以独立调制出射光的相位，当相邻波导之间存在相位差Δφ时，出射光在远场发生相干叠加，合成的光束方向由相位差决定。通过电子控制各个波导的相位延迟，就能实现光束的偏转和扫描——整个过程没有任何机械运动。

OPA的优势在理论上非常诱人：扫描速度极快（电子控制，微秒级响应）、体积可以做得很小（芯片级集成）、可靠性极高（无磨损部件）、可以通过并行波导实现多光束同时扫描。硅基OPA由于体积小、精度高、扫描速度快，被期望成为未来车载感知系统的重要配置。

但OPA目前面临的工程挑战同样严峻。插入损耗较大、能耗较高、工作稳定性不足是主要的瓶颈。更关键的是，OPA的出射光束偏转角度受限于光栅的色散能力，要实现大角度扫描需要复杂的波长调谐或光栅设计。高性能移相器的缺乏也是制约OPA发展的核心因素——调制效率高、工作电压低的移相器是实现高性能OPA的必要条件。

目前OPA LiDAR主要处于实验室验证和早期工程化阶段，距离大规模量产还有距离。但它的潜力在于，一旦硅光工艺成熟，OPA可以实现真正的芯片级LiDAR，这对消费级机器人和AR/VR设备的集成意义重大。

四、FMCW：用相干探测同时测距和测速

FMCW（调频连续波）LiDAR在“扫描方式”上与前三者不同——它不一定要用旋转或振镜来扫描，而是首先在“测距原理”上做出了改变。

传统脉冲ToF LiDAR的工作方式是：发射一个短脉冲，测量它返回的时间，然后乘以光速除以二得到距离。FMCW则发射频率线性调制的连续激光——频率随时间“扫过”一个范围，像一个啁啾信号。

接收端把反射回来的光与本地参考光混合，产生一个“拍频信号”。拍频信号的频率与目标的距离成正比——距离越远，返回光与参考光之间的频率差越大。同时，如果目标是运动的，多普勒效应会直接改变拍频频率，因此单次测量就能同时得到距离和速度。

FMCW的相干探测机制带来了一系列独特优势。第一，抗干扰能力极强。 环境光和来自其他LiDAR的光无法与本地参考光产生相干拍频，因此不会产生虚假目标——FMCW LiDAR从原理上对外部干扰免疫。第二，人眼安全性更好。 FMCW使用连续光而非脉冲光，峰值功率低得多，对人眼更安全，也更适合硅光集成。第三，直接测速。 脉冲ToF需要跟踪多帧之间的位移来估计速度，FMCW单帧就能给出多普勒速度。

FMCW对激光器的要求很高：需要窄线宽、大调谐范围、线性啁啾的激光源。激光相位噪声会劣化拍频信号的信噪比，长距离探测时尤其严重。这些要求推高了FMCW LiDAR的硬件成本和工程复杂度。

在机器人场景中，FMCW LiDAR的“测距+测速”能力对动态避障有直接价值。传统的脉冲LiDAR需要两帧以上的点云来做帧间匹配才能估计障碍物的运动速度，而FMCW可以在单帧内区分“静止的墙”和“正在移动的人”。对于需要在动态环境中快速反应的移动机器人，这个能力可以显著缩短避障决策的延迟。

五、四种路线的工程成熟度与适用场景

把四种路线放在一张表里对比：

维度	机械式	MEMS	OPA	FMCW
扫描机制	宏观旋转	微振镜振动	相位控制	频率调制
运动部件	有（电机、轴承）	有（微振镜）	无	无
水平视场	360°	通常<180°	取决于设计	取决于扫描方式
垂直分辨率	线束数决定	很高（等效400线）	中	取决于调制
测速能力	需帧间匹配	需帧间匹配	需帧间匹配	单帧直接测速
抗干扰	中	中	中	强（相干探测）
成熟度	高（已量产）	中（已量产）	低（研发阶段）	中（早期工程化）
典型场景	巡检机器人、AGV	人形/四足导航	未来芯片级LiDAR	动态避障、自动驾驶

从成熟度来看，机械式和MEMS是目前已经量产的方案，OPA和FMCW还处于工程化早期。从技术潜力来看，OPA是唯一有可能实现“芯片级”LiDAR的路线，而FMCW在抗干扰和测速能力上有独特优势。

对机器人工程师来说，选型的逻辑应该从场景需求反推技术路线：需要360度全覆盖且对成本不敏感，选机械式；需要小型化且追求高垂直分辨率，选MEMS；需要在强光或多人多LiDAR环境中工作，FMCW的抗干扰能力是独特的价值；OPA目前更多是技术储备和前瞻布局。

无论选择哪种LiDAR，它都只是感知系统中的一个传感器。LiDAR提供的是精确的三维几何信息，但它不“认识”物体是什么、不“理解”场景的语义。一个完整的机器人感知系统，需要LiDAR的几何数据与视觉模型的语义理解相互补充。开源模型VLX-Seek（https://github.com/om-ai-lab）的细粒度视觉定位能力可以与LiDAR的点云数据配合使用——LiDAR提供目标的大致空间位置，Seek在RGB图像中精确定位目标的类别和边界，两者的融合可以显著提升机器人在复杂环境中的感知可靠性。