一、先给定义单线激光雷达2D LiDAR单线​只有 1 个激光收发通道在一个固定仰角上做水平旋转每个扫描周期输出一圈极坐标点(r, θ)描述空间中的一个水平切面位姿状态量只有(x, y, θ)三个自由度。多线激光雷达3D LiDAR多线​在垂直方向排 N 个激光收发通道N 16 / 32 / 64 / 128每个通道各固定一个仰角整机水平旋转每个扫描周期输出(r, θ, α)可直接转成三维点云(x, y, z)描述的是一叠切面位姿状态量是 6 自由度。测距机制完全相同——脉冲飞行时间 ToF、相位差、近距离三角测距,单点精度都是厘米级;都要外参标定与时间同步;都受玻璃镜面、雨雾粉尘影响;都没有纹理与语义(认不出这是门还是柜子)。所以全部差异只来自一个数:仰角的数量。1 个,还是 N 个。二、再用通俗的话说拿切面包来比。单线就像你手上只有一把刀,固定在一个高度,绕着面包横着转一圈切下去——你只拿到一片。这一片能看出轮廓(墙在哪、有多远),但厚度方向的信息全丢了:面包上竖着的葡萄干、悬在半空的樱桃,只要不在这一刀的高度上,就不在这一片里。多线就像把 16 把刀排成一个扇形,同时切 16 刀——你拿到的是一叠薄片。片数够多,把这一叠摞起来,整块形状就还原出来了(点云竖起来了)。三、差别在哪分岔只在扫描机构,剩下的全是它的连锁后果:单线:1 个收发通道 1 个固定仰角,绕竖轴水平旋转 → 所有点落在同一个水平面上。多线:垂直方向排 N 个通道,每个通道各固定一个仰角,整机旋转 → 每转一圈得到 N 个水平环,叠成一片。这个仰角数量的差别落到具体场景里,就是高度信息的有无——同一段走廊,单线只给你一条轮廓,多线还给高度:维度单线2D多线3D收发通道1 个1 个固定仰角N 个16/32/64/128各一个仰角原始输出(r, θ)一圈点(r, θ, α)→ 三维点云(x, y, z)高度信息无有水平角分辨约 0.25°~1°约 0.1°~0.4°垂直角分辨—约 0.4°~2° 垂直 FOV ÷线数−1频率10~40 Hz10~20 Hz点频约一万点/秒量级高约两个数量级位姿状态量3 自由度(x, y, θ)6 自由度典型算法扫描匹配、AMCL、A*/DWA三维位姿图、紧耦合 LIO、地面分割建图产物2D 占据栅格PGM点云地图可投影成高程图多层栅格量程室内型约 0.1~30 m数十米至百米级算力低嵌入式可扛高需较强 CPU/GPU成本低高一个到两个数量级单线的代价只有 1 个切面:扫描面以下(矮台阶、椅子腿)与以上(悬空横杆)都是盲区,桌面上的物体也看不到。几何退化:长直走廊、空旷大厅、隧道里,沿墙面的平移几乎不改变扫描形状,该自由度不可观——这正是你走廊场景最难受的一条。装机角度决定它看哪个高度:平装 齐腰高一条轮廓;压低 看腿脚;斜装能得到斜切面(能摸到一点三维,但极稀疏)。多线的代价垂直方向其实很稀疏:水平角分辨 0.1°~0.4°,垂直角分辨 1°~2°,差一个数量级。远距离的细杆会从两条扫描线的空隙里穿过去。数据量与算力:点频高两个数量级,后端优化开销大。它并没有消除走廊退化,只是把可用约束从一个切面扩到整片几何(地面、天花板、门框都能提供约束)。截面完全均匀的长隧道,多线沿轴向照样漂——隧道退化是经典难题,别指望换个雷达就解决。四、量化的边界先给公式:垂直角分辨 垂直 FOV ÷(线数 − 1)​。例:16 线典型 ±15°(总 FOV 30°)→ 2°/线;64 线 → 约 0.4°/线。再给后果:同一距离 d 处,相邻两条扫描线的垂直间隔 ≈d × Δα(Δα 是垂直角分辨的弧度值)。Δα5 m10 m20 m30 m2°/线16 线级约 0.17 m约 0.35 m约 0.70 m约 1.05 m0.4°/线64 线级约 0.035 m约 0.070 m约 0.14 m约 0.21 m推论:能不能看到一根细杆,取决于杆的直径是否大于该距离上的线间隔。​ 10 cm 粗的杆,2°/线的雷达大约 3 m 以内才保证不漏,0.4°/线的雷达约 14 m 以内。(量级估算,实际还看光束发散角、多回波能力和目标朝向。)方向别搞反:水平方向的点间距 d × Δθ(Δθ 常 0.1°~0.4°),比垂直方向密得多。多线的稀疏是垂直方向的稀疏。