01 3D激光雷达的工作原理与优缺点

1 工作原理

原子受激辐射的光，被称为激光。原子中的电子吸收能量后从低能级跃迁到髙能级，再从高能级回落到低能级的时候，能量以光子的形式释放出。被引诱出来的光子束，其光子的光学特性高度一致。因此激光相比普通光源单色性、方向性好，亮度更高。

激光雷达的工作原理是向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数。它由激光发射机、光学接收机、转台和信息处理系统等组成，激光器将电脉冲变成光脉冲发射出去，光接收机再把从目标反射回来的光脉冲还原成电脉冲。

评价激光雷达的显性参数主要包含测远能力、点频、角分辨率、视场角范围、测距精准度、功耗、集成度（体积及重量）。

北拓资本整理《固态激光雷达研究进展》

发射光源一般905nm半导体激光器和1550nm光纤激光器。大多激光雷达公司都使用905nm光源，905nm方案一般采用边缘发光（EEL）技术或垂直腔面发射激光器（VSCEL）技术，因905nm光源可能伤害人眼，为满足Class-A安全要求，905nm光源的发射功率相对受限。1550nm光源功率更大，穿透能力强，探测距离长，但受制于成本目前未能普及，据产业链调研，905nm光源成本一般在100美元以内，1550nm光纤激光器成本在1000美元左右。

资料来源：《禾赛科技招股说明书》

测距方式主要为ToF和FMCW。ToF测距方式通过记录激光发射和接收的时间差，再乘以光速计算出距离。FMCW利用发射频率变化的连续波，利用频率差、多普勒效应，确定物体位置，测量物体速度。FMCW具有探测距离远、灵敏度高、抗干扰能力强、成本低、功耗低等优势，但目前技术门槛极高，对系统集成、信号处理算法方面要求严格，还未实现大规模量产。

接收端包括APD和SPAD。APD（雪崩二极管）为典型的光电转换模块，技术较为成熟。SPAD（单光子雪崩二极管）阵列效率比传统的APD高，可实现低激光功率下远距离探测，并降低系统功耗和减小体积，但电路设计和制造工艺方面还有难题需要克服。

从扫描方式来看，激光雷达可以分为两大类：机械式激光雷达和固态激光雷达。机械式激光雷达采用机械旋转部件作为，可以实现大角度扫描，但装配困难、成本较高。固态激光雷达目前的实现方式包括MEMS、Flash、OPA及棱镜技术。

2 优缺点

相比于普通微波雷达，其优点是分辨率高、隐蔽性强、抗干扰能力强、体积小质量轻。其缺点在于：第一，生产成本较高，这是制约其在车企或机器人企业大规模部署的主要因素；第二，受天气因素影响大，信号在大雨、浓烟、浓雾时衰减很大；第三，激光波束窄，只能探测波束扫到的较小范围内搜索捕获目标，目前主要应对措施是采用机械旋转和动态扫描两种方式来增大探测范围，机械旋转是汽车上最受欢迎的方式，最先进的激光雷达系统则采用多光束的方式来减少移动结构。

激光雷达可以弥补现有传感器的不足，融合多类型传感器，高阶自动驾驶必须要做多传感器的融合，3D激光雷达技术可以做到3D数据的输入输出，包括距离、位置、宽度等数据，且精度高。虽然目前价格昂贵，但是50家获加州DMV路测牌照AV公司中，96%认为激光雷达是必需的零部件。

02 3D激光雷达应用场景

激光雷达的应用场景较多，主要集中在车辆（L4和L5自动驾驶）、港口、封闭式码头、矿区、物流园区、工业车辆、智慧农业（国家重点关注）、机械（自动化）、机器人、测绘等领域。

▌车辆

上海现有一条绿化出来的路线专门用于自动驾驶，北京、长沙、深圳陆续都会出现这样的区域来运用自动驾驶技术。这会吸引众多做激光雷达的车厂、供应商、零部件厂商。

资料来源百度，禾赛科技，北拓资本整理

▌安防

美国与墨西哥边境墙中运用了激光雷达。

资料来源：北拓资本整理

▌智慧家居

别墅、办公楼入口检测融入了激光雷达技术。

资料来源：镭神智能，北拓资本整理

▌机器人

激光雷达小型化后，可以运用到机器人、无人机、可穿戴设备，VR等方面。

资料来源：京东科技，北拓资本整理

03 3D激光雷达的主要技术路线及特点

1 机械式激光雷达

优点：性价比高，线别丰富（有32线、16线、8线、4线等不同价格），360度视角广。

缺点：体积大，昂贵，笨重。

通过机械式旋转来实现激光扫描。多束激光纵向排列，纵向叠加后呈现出三维立体图形。机械式激光雷达作为自动驾驶领域最早开始应用的传统激光雷达，历经多年迭代技术已较为成熟，可实现量产，预计会长期是Robotaxi的主流方案，但由于装配困难、光源较多导致成本较高。

资料来源：MEMS，北拓资本整理

2 固态激光雷达

优点：在汽车logo下方，保险杠下方，挡风玻璃后方以及车的侧面任何部位都可以隐藏式安装，分为 MEMS, FLASH, OPA，棱镜及其他。

1. MEMS

通过微振镜代替机械式旋转装置，由微振镜反射激光形成较广的扫描角度和较大的扫描范围。相比机械式，MEMS（微机电系统）激光雷达具有芯片化方案、无机械组件等等优点，兼顾车规量产与高性能的需求。但MEMS激光功率较低，有效距离较短，且激光扫描范围受微振镜面积限制，视场角（FOV）相对较窄。MEMS有效克服了机械式激光雷达在寿命、成本和良品率等方面的问题，将在未来五年占主导地位。2019年到2020年期间市场上的激光雷达大部分都是MEMS。

资料来源：innoluce，北拓资本整理

*图示翻译：Transmission channel 发射通道；Receiver channel 接收通道；Laser driver 激光驱动器；MEMS driver ASIC MEMS驱动器芯片；LIDAR controller chip雷达控制发器芯片；Transimpedance amplifiers 跨阻抗放大器；APD sensor array 雪崩光电二极管阵列

2. FLASH

类似相机，利用冷光闪的方式，短时间发射出一大片覆盖探测区域的面阵光，再以高度灵敏的接收器，来完成对环境周围图像的绘制，属于非扫描式雷达。因为光源的能量被分散到整个面，能量相对较少，需要对光源能量、发射方式进行创新，部分方案采用

CMOS接收。其特点是稳定性高、成本低，不必耗费巨量的人工校准时间。在量产成本与量产时间上，都有巨大的优化。但主要问题在于其探测距离较短，视场角受限，扫描速率较低，能耗高，主要应用在机器人场景。

资料来源：法雷奥，北拓资本整理

*图示翻译：Scanning

LIDAR 扫描式雷达；Scanning path 扫描路径；Flash LIDAR 泛光面阵式雷达；Side view

侧视图；Severalsmall laser spot 几个小激光光斑；One large laser spot 一个大激光光斑

3. OPA

通过波的干涉判断被测物体的距离和速度，有的方向互相增强，有的方向抵消，增强方向即激光扫描方向。相比MEMS，OPA完全取消机械结构，结构更加简单，体积更小，激光控制全部集成化在一块光学相控阵（Optical

Phased Array,

OPA）芯片上。其上游核心电子元器件、技术支持不成熟，几乎没有零部件供应商，需要做OPA路线的企业自己研发，而OPA制造工艺难度大，产业化尚待时日。

资料来源：MEMS，北拓资本整理

4. 棱镜

发射和接收端固定，通过旋转调整两块棱镜实现特定轨迹的非重复扫描，扫出来一个3D激光雷达的多线的状态，并擅长波束赋形扫描。如果时间足够，它可以检测一个视场角。传统机械扫描是发射器和接收器360度重复扫描，大疆览沃实现非重复扫描（每次光线轨迹不重复）。优势在于视场角丰富，但仍需电机驱动，会引入波动。

资料来源：livox，北拓资本整理

5. 转镜

固定发射和接收端，激光通过旋转镜面系统进行扫描，通过较少光源的机械光路实现收发。该技术路线为最早过车规的路线（Scala1），华为、Innovusion也使用类似方案。此方案可以控制扫描区域，提高关键区域的扫描密度，但电机驱动的方式具有一定不稳定性，光源能量分散也对光源功率提出一定要求，部分厂商采用了量产进度相对靠后的1550nm光源方案和SPAD方案。

资料来源：法雷奥，北拓资本整理

03 3D激光雷达主要算法

北拓资本整理

04 全球主要的激光雷达厂商及产业化进度

（截止至2021年3月）

据产业链调研，激光雷达将在2025年逐步实现批量化交付，且由于汽车行业的design trip时间特别长，量产会延后很多年，企业需要尽早切入其供应体系。在此背景下，世界上主要激光雷达企业、汽车OEM和零部件供应商均在大力布局该领域。

1 全球各国主要激光雷达厂商

美国：Velodyne,

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

中国：禾赛，华为，镭神，大疆Livox，速腾聚创RoboSense，北醒光子Benewake， 一径科技Zvision，飞芯电子ABAX Sensing，欢创科技Camsense，岭纬智能Neuvition

德国：Ibeo/法国 Valeo-Scala, Bosch, Blickfeld, Hella

以色列：Innoviz

日本：Hokuyo, Pioneer

2 汽车OEM/零部件厂家的布局情况

OEM厂家偏向进行一些投资性的工作，而不是成立自己的事业部或者收购（内部排他性约束），如丰田沃尔沃投资Luminar，通用收购Strobe，现代Mobis投资Velodyne，

上汽投资Robosense，奔驰投资Quanergy，百度投资Velodyne。

3 主要3D激光雷达品牌的量产进度

▌Velodyne

2020年通过与SPAC

GRAF合并实现借壳上市，成为激光雷达第一股。投资方包括福特、百度、尼康、现代Mobis，拥有500+客户，客户类群最多，2010年起累计出货约4万台。其Velabit小型最低价型号为100美金。人们对其的关注度在淡化，百度也降低了投资量，但Velodyne依然是行业的先锋者。

▌Velodyne和Ibeo

Valeo和Ibeo合资生产出Scala，目前已生产出Scala2（16线，145度）且已经交付了 10万台，之后的奥迪A8/A7/A6/Q7/Q8，奔驰，长城和本田都会进行量产。

▌Luminar

2020年通过与SPAC

GoresMetropoulos

Inc.合并借壳上市。主要路线是MEMS，Luminar采用1550纳米波长InGaAs传感器，比传统传感器更灵敏，波长更长，产品可以做到等效300线，成本比较低，可测250米120°，为车规级。2018年获得沃尔沃投资2020年5月正式官宣和沃尔沃合作，会在沃尔沃的两款车型上（XC90和极星3）搭载与大众、福特等13家OEM厂商合作。其成本低于1000美元/个。

▌Innoviz

2016年成立于以色列，2020年通过与SPAC

Collective Growth合并借壳上市。较早提出MEMS方案，而且最为活跃。使用MEMS与905纳米波长传感器。宝马iX、iNext

SUV于2021年开始搭载Innoviz1，并与宝马有2023年的量产计划，其中L3级别自动驾驶汽车的数量在一到两台。

▌Aeva

2017年成立于硅谷，2021年通过与SPACInterPrivate

Acquisition合并借壳上市。早期获得了保时捷的投资，包括奥迪和大众也有相关计划。2020年宣布和政府合作研发自动驾驶汽车LiDAR，2023-2024年投产。产品使用低成本的半导体工艺制造，售价在500美元以下。

▌Quanergy

2012年成立于硅谷。采用OPA技术，905纳米波长的全固态激光雷达。Quanergy最早提出来把基片式激光雷达小型化，成本最优化。2013年提出要把几万美金的激光雷达传感器做到单价为200美金以下的决断，使业界一片哗然。投资方为戴姆勒奔驰、德尔福、三星、森萨塔。森萨塔车用激光雷达S3会在森萨塔常州工厂代工，并且要在国内建研发基地和工厂。

▌Innovusion

2016年成立于硅谷，并在苏州成立子公司图达通，由百度智能驾驶事业部前高管团队创建，投资方包括高榕资本、蔚来资本、斯道资本、F-PrimeCapital、均胜电子等。该公司将为蔚来ET7提供超远距离高精度激光雷达，该激光雷达拥有120度超广视角，等效

300线的超高分辨率，最远探测距离可达500米。

▌Ouster

2016年成立于旧金山，2021年通过与SPAC colonnade合并借壳上市。Ouster的主要优势：

内部只有激光发射（VCSEL）与激光接收（SPAD）两颗芯片，大大提升了可靠性，降低了价格；

输出结构化数据，确保高分辨率，且每18个月分辨率将提升一倍，而不会引起成本、体积、重量、功耗的任何变化；

独有的系统结构（特殊的FLASH），保证更高的稳定性，带给用户更大的成本优势；

2D与3D数据的完美对应，大大提高了机器学习的效率，减少了数据标注的时间。

▌CeptonTechnologies

2016年成立，投资方包括汽车照明系统开发商Koito。其获得专利的智能激光雷达技术(MMT)可实现无反光镜、无摩擦且无需旋转的激光雷达解决方案，从而提高了产品的可靠性和批量生产的可行性。

▌RoboSense（速腾聚创）

2014年成立于深圳，产品线涵盖16线到128线，包括MEMS以及OPA，投资方包括北汽产业投资基金、上汽、菜鸟网络。Robosense与LUCID有合作。LUCID是美国的一家新兴造车势力，将在后续的量产车辆上搭载一款采用125线MEMS技术的HFOV120°激光雷达。

▌Hesai（禾赛）

2014年落户至上海。采用16/32/128线MEMS技术，同时涵盖40线、64线、128线，主要市场是Robotaxi以及应用于港口的Robotruck，在2019年价值4200万美元，共占有42%的市场份额。

▌Huawei（华为）

路线与Luminar类似，使用InGaAs铟镓砷红外面阵接收器，波长1550纳米的传感器。目前官宣的企业为北汽、长安汽车，会搭载华为的激光雷达。北汽会在极狐ARCFOX新款HBT车型上搭载3颗，长安汽车会在其全新的高端智能EV上搭载36个传感器，其中5颗激光雷达。

▌Livox（大疆）

采用Horiz定制版旋转棱镜类固态激光雷达，可以在10%反射率的情况下可以达到150米,120度，并等效144线。从量产的匹配的型号XPilot可以判断出来其使用1-2只的数量，因为小鹏利用XPilot的方式辅助驾驶。

▌LeiShen（镭神智能）

2015年成立于深圳，镭神智能大大降低了产品的成本和价格，投资方包括东风。在类似于商用车的SharingVan上搭载4LiDAR+1毫米波+16超声波+12摄像头。截至2020年6月已交付6台产品。2020年8月宣布与陕汽重卡合作研发车规级MEMS激光雷达。

▌Zvision（一径科技）

2017年成立于北京。与广汽合作搭载MEMS、160线LiDAR。一径科技的激光雷达通过了1000Hz随机振动和50g的机械冲击以及-40~85摄氏度的高低温循环测试，完成了数十个标准认证。

资料来源：各公司官网、中金公司研究部

05 3D激光雷达的市场规模与上游供应商

上游供应商

资料来源：北拓资本整理

2020年，全球激光雷达的市场规模为9亿美元，这9亿美元是硬件和软件结合的市场规模。据预测，2025年全球激光雷达的市场规模将达135.4亿美元，较2019年实现64.5%的年均复合增长率。

数据来源：沙利文研究

据预测，至2025年，中国激光雷达市场规模将达43.1亿美元，占全球31%，较2019年实现63.1%的年均复合增长率。

数据来源：沙利文研究

全球市场规模的增长主要受益于以下4个应用场景的增长。

资料来源：沙利文研究，北拓资本整理

1 无人驾驶（市场占比25.8%）

针对L4/L5级别的运送乘客Robotaxi和运送货物Robotruck，由于驾驶责任完全归属汽车本身，对激光雷达探测性能要求最高，同时车辆所有者为运营公司，对激光雷达价格及与车身集成度要求较低。据预测，2025年全球Robotaxi和Robotruck的L4/L5无人驾驶汽车，数量为53.5万辆，对应的激光雷达市场规模35亿美元（假设一辆车一套，单价为6542美元），2019年至2025年的年均复合增长率达80.9%。

数据来源：沙利文研究

2 高级别自动驾驶ADAS（市场占比34%）

针对L2/L3级别的自动驾驶乘用车，直接面向用户，因此，激光雷达与车身融为一体的美观性要求和价格敏感度都较高。据预测，2025年全球乘用车新车L3渗透率6%，即每年近600万辆新车将搭载激光雷达，对应的市场规模为46.1亿美元（单价768美元），2019年至2025年复合增长率达83.7%。

数据来源：沙利文研究

3 服务机器人（市场占比5%）

非汽车应用的服务机器人，包括了无人配送、清扫、仓储、巡检，移动速度慢、场景复杂度低，对激光雷达的性能要求适中，但对价格比较敏感。据预测，2025年激光雷达在该细分市场规模为7亿美元，2019年至2025年的复合增长率为57.9%。

数据来源：沙利文研究

4 车联网（市场占比33%）

在智慧城市和测绘领域，使用激光雷达完成高精地图数据采集，或安装在路端用于实时交通监控，该领域对激光雷达的车规化和集成度要求较低，但对其感知算法要求更高。据预测，至2025年，激光雷达在该领域的市场规模为45亿美元，2019年至2025年复合增长率为48.48%。

数据来源：沙利文研究

06 3D激光雷达的投资考量点

根据标的公司发展阶段不同，投资的侧重点分为两大方向：对于A轮及以前阶段的公司，主要看技术先进性；对于B轮及以后阶段的公司，主要看量产可行性。下表统计了2016年至2020年激光雷达领域融资事件数量。

数据来源：企名片pro

1 A轮及以前阶段公司的考量点：产品先进性

产品先进性，主要指是否提升了分辨率、帧率、探测距离、探测精度等综合性能，是否降低成本。硅光集成、FMCW作为新的解决方案，受到广泛关注。

▌硅光集成：从IC到PIC的演进

硅光方案，将复杂的光学器件，集成在一颗硅光芯片，采用CMOS工艺加工。运用该技术的激光雷达，具有2大优势：体积小、成本低。硅光方案的价值之一在于大幅度降低成本。据松禾资本数据，若光芯片大小为600平方毫米，则基于硅光的OPA固态激光雷达成本可控制在40美元以内。据国科光芯数据，目前技术可将整个模组的IC部分也集成在硅光芯片，或分开两片加工，用Flip

Chip、BSI、TSVs等成熟工艺贴合，实现小型化、成本最低化。硅光方案的配合也可解决其它技术路径本身的困境。早期OPA发展中，阵列数较小，旁瓣、发散角、扫描角度等问题严重，结合硅光技术，增加阵列数，可大幅改善以上问题。

硅光方案的实现原理：在发射端，采用CoC工艺，将激光器集成于硅光芯片，利用光栅等结构实现光束整形，发射准直光、特定角度和能量分布的线、面光源，也可用OPA技术实现1维、2维的扫描；在接收端，同样可采用光栅、PD/APD等结构，实现信号收集。如采用相干接收，可把混频器、平衡探测器等机构，集成于硅光芯片。

硅光技术1985年由美国贝尔实验室提出，目前广泛运用于光通信领域。全球在激光雷达应用硅光的玩家较少，国外有Analog

Photonics、Voyant Photonics、Scantinel

Photonics等；国内仅2家，国科光芯、洛微科技。其中，国科光芯于2019年完成新一代硅基光学OPA固态激光雷达芯片流片；2020年洛微推出基于硅光OPA的200线纯固态成像级激光雷达。

材料、工艺、光源集成这3大要素，是目前全球硅光技术普遍面临的难点。材料方面，激光雷达传输距离长，要求上百mW，甚至W级的光功率，普通硅材料易发生强烈非线性效应，因此需要能承载高光功率的材料。工艺方面，硅光芯片需要在Fab线上利用

CMOS设备进行特色工艺开发，但目前产量小，难以得到Fab厂支持。光源集成方面，当前光源在短时间内难以单片集成在硅光芯片上，多采用片外耦合、混合集成的方式，但在体积、可靠性上不如单片集成。相对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数。国内整个行业、入局企业也在逐步攻克这些世界性难题，陆续打通硅光工艺平台，各地建设硅光Fab平台，如中科院微电子所、中国电科38所等，为硅光集成激光雷达量产打好基础。

▌FMCW：下一代测距技术

激光雷达的测距技术，主要有2种：FMCW、ToF。ToF是当前主流方案；FMCW（调频连续波）主要通过在扫频周期内，发射频率变化的连续波，利用频率差、多普勒效应，确定物体位置，测量物体速度。

业内普遍认为，FMCW有4大优势：探测距离远、灵敏度高、成本低、功耗低。据高工智能产业研究院的数据，FMCW的灵敏度超ToF十倍，功耗比其低1000倍。FMCW不但能实现低成本低功耗的技术指标，还有更远的探测距离，以及对点云图中每个点具体速度与方向的探测能力。因其对系统集成、信号处理算法方面要求严格，全球采用该技术的玩家不多，自动驾驶领域有Analog

Photonics、Aurora、Cruise、Aeva，消费领域有Aeva、Point

Cloud。国内现在也仅有3家，分别为国科光芯、洛微科技、光勺科技。

FMCW创业公司获得全球巨头青睐。2018年宝马、丰田投资Blackmore，2019年光学巨头蔡司独家投资Bridger Photonics。

2 B轮及以后阶段公司的考量点：量产可行性

随着激光雷达应用的逐步落地，量产可行性，成为公司发展过程中一道不可避免的考题，具体可分为以下4个维度。

第一，应用场景能否支撑足够的市场规模。L3以上自动驾驶方案必备激光雷达，整车装配2-4个，单车成本800-1600元。服务机器人的起量，带动消费级激光雷达的普及。

第二，产能和价格是否支持产品普及。产品内部模块在设计时，需考虑量产的适应性，减少人工环节，并储备后期量产的供应链厂商。

第三，能否通过车规级认证。激光雷达产品达到车规级，需通过3个标准认证，进行车规振动、冲击、温度循环等试验。目前，国外仅法雷奥SCALA是量产的车规级激光雷达；2020年，镭神智能CH32混合固态激光雷达，在国内率先通过车规级认证。

第四，是否绑定下游大客户。大型车厂在性能、价格、车规、可靠性等层面都有明确指标，客户需求可使激光雷达研发企业少走弯路，锁定未来营业收入。

3 3D激光雷达行业之见解：技术路径不代表产品

随着服务机器人的起量，激光雷达逐渐从自动驾驶的“神坛“，走向更大众化的应用场景，需求快速攀升；同时，部分车型自动驾驶方案落地，也为该赛道带来进一步利好。激光雷达技术路线百家争鸣，传统机械式、半固态激光雷达，在成本、三维点云技术等方面遭遇瓶颈；而全固态激光雷达，在消费级、车规级场景持续推进，但也面临着分立式、集成式两条技术路径的抉择。

行业两大发展趋势：第一，OPA、相干探测方案崭露头角。虽然国内外厂商都在重点布局MEMS，MEMS仍是激光雷达当下与未来一段时间内的主流方案，但2020年，OPA、相干探测的技术取得了实质性进展，并获得资本关注。第二，硅光CMOS技术引领变革。硅光集成现阶段向光传感场景延伸，除了考验厂商在光子集成技术方面的积累，更注重对材料体系、集成工艺、流片工艺、封装工艺等全流程的把控能力。作为芯片级的集成方案，硅光在未来超低成本、超高可靠性的全固态激光雷达方案中，也将占据重要环节。

不同激光雷达公司的技术路线、算法各不相同，在审视的时候，我们需要是从当前繁杂的技术思维摆脱出来，从产品与用户需求的维度来理解激光雷达，从而尽量打破认知局限。技术只是实现产品的手段，技术的先进性并不等同于产品更贴近用户需求。从产品和用户需求的契合角度来理解激光雷达，是非常有效的一种手段。只有将更多的精力放在产品上，才能让厂家和用户在同一个话语体系下更好的交流。评价激光雷达主要有三个层面指标：性能指标，可靠性和成本。

性能指标：分辨率、帧率、探测距离、精度、视场角……

可靠性：温度、振动、寿命……

成本：硬件成本、使用成本……

采样率=（360/水平角分辨率）*帧率*线数。采样率是不变的量，是该设备的采集能力上限。角分辨率和帧率负相关，当水平角分辨为0.1°时，扫描帧率为5帧，当水平角分辨为0.4°时，扫描帧率为20帧。小角分辨率和高帧率不可兼得。

角分辨率、帧率和测量距离三个变量是“零和博弈”的关系，提升其中一个变量的性能，必然损失另外两个性能，而那个不可突破的因素就是光速。在实际的测量系统中，信号的处理和解析也需要消耗大量的时间，就导致单组测量系统的采样率大大降低。如何调节激光雷达的分辨率和准率问题，就成了在总量不变的情况下，如何在时间和空间上去分布的问题。在自动驾驶场景中，同时追求高性能：小角度分辨率，高帧率，远距离。小角度分辨率代表了看清的能力，高帧率代表了反应敏捷度。这种零和博弈在所有的基于单点扫描式的激光雷达系统中普遍存在。而基于MEMS振镜的扫描式雷达，由于收发组件减少的原因，其采样率会更低，这种矛盾会更突出。

在激光雷达的评价中，我们往往会过度突出某一指标而忽视其它，因此我们需要综合评价分辨率，帧率和距离等表征识别能力的指标。