以下是车载激光雷达的优缺点总结，便于快速理解其在自动驾驶和高级驾驶辅助系统（ADAS）中的应用价值：

优点

1. 高精度三维感知

   • 精确测距：通过激光束直接测量距离，精度可达厘米级（如10厘米内误差）。
   • 立体建模：生成点云数据，构建车辆周围环境的3D地图，精准识别物体轮廓、大小和位置（例如区分路沿、车辆、行人）。

2. 强环境适应性

   • 弱光/黑夜性能：主动发射激光，不依赖环境光，夜间效果媲美白天。
   • 部分天气耐受：在雨雾中的穿透力优于摄像头（如905nm激光雷达可穿透中等降雨）。

3. 高分辨率与探测距离

   • 探测距离可达200-300米（如高速场景），角分辨率低至0.1°×0.1°，能识别远处小型障碍物（如轮胎、动物）。

4. 抗干扰能力

   • 对光线变化（如隧道出入、强逆光）不敏感，避免摄像头因眩光失效的问题。

5. 为安全冗余而生

   • 与摄像头、毫米波雷达数据融合，弥补传感器各自的盲区（如毫米波雷达无法识别静止物体轮廓），提升系统安全性。

缺点

1. 恶劣天气性能下滑

   • 雨雾散射：大雨、浓雾时激光束被散射，有效探测距离可能缩减50%以上。
   • 雪地干扰：地面积雪反射激光，可能产生噪点。

2. 成本高昂

   • 单价仍达数百至上千美元（如机械式雷达），固态雷达逐步降价但仍高于摄像头（2023年主流车载型号价格约$500-$1000）。

3. 硬件复杂性与寿命

   • 运动部件隐患：传统机械式雷达含旋转部件（如电机），长期使用可能磨损。
   • 车规级挑战：需耐受振动、极端温度（-40°C~85°C），增大了设计和量产难度。

4. 数据量大且处理复杂

   • 每秒百万级点云数据需强算力支持（如NVIDIA Orin芯片），算法开发（如目标追踪、分类）复杂度显著高于摄像头。

5. 体积与集成限制

   • 安装位置冲突：车顶安装影响风阻（风噪+续航）和美观；保险杠安装易受污损（泥土遮挡镜头）。

6. 光学干扰风险

   • 多车密集区域可能因激光互扰导致噪点，需通过调制编码（如FMCW技术）缓解。

关键应用与未来趋势

• L3+自动驾驶核心传感器：如蔚来ET7、小鹏G9搭载雷达实现高速NOA（如自动变道）。
• 成本下降加速：半固态（MEMS、转镜）及纯固态（OPA、Flash）方案推动量产价格降至$100-$300区间（2025年预测）。
• 传感器融合趋势：特斯拉纯视觉方案引发争议，但多数车企采用“雷达+摄像头+毫米波”多冗余方案（如理想L9配置1雷达+11摄像头）。

总结

激光雷达 = 安全冗余的“夜视仪”：在光线复杂、远距高精度场景不可替代，但需融合其他传感器应对雨雾天；随着固态技术成熟，成本与可靠性将成为普及关键点。