装两个雷达还是装一个，用数据说话 有个客户做园区巡检机器人，一开始方案是车顶装一个 M360。做完原型机测试，发现有一个死穴：车尾方向的盲区太大。 M360 是 360° 水平扫描，理论上下前后左右都能扫到，不存在"方向盲区"。但实际使用中，"能扫到"和"能扫好"是两回事。 为什么一个雷达也有盲区 M360 装在车顶正中间，光学中心朝上 5°（为了更好地扫描地面）。这时候正前方的地面覆盖最好——0.05m 盲区 + 70° 垂直视场角，脚下到前方几十米都能覆盖。 但正后方就不同了。机器人的车身本身会遮挡一部分点云——电池舱、散热器、天线的阴影区域。M360 虽然是 360° 水平扫描，但打在自身车身上的点不会返回（要么被吸收，要么反射方向不对），这些方向上的点就缺失了。 实测数据：在我们的 AGV 上（车身尺寸 800×600×400mm），车尾方向的点云密度比车前方低大约 40%。换句话说，车尾对障碍物的检测距离会比车前方短很多——车前方能稳定检测到 30m 外的障碍物，车尾可能只有 15~18m。 对一般应用来说，15m 的车尾检测距离够用了。但对高速场景（>1.5m/s）或者密集场景（停车场、物流园区），15m 检测距离可能不够——从发现到刹车的安全距离不够。 两个雷达的方案 客户的解决方案很简单：车头一个、车尾一个，两个 M360。 安装位置：车头雷达朝前装，车尾雷达朝后装，都稍微向上倾斜 5°。两个雷达通过以太网交换机连接到工控机，各自独立的 IP 地址。 点云融合方式：在 ROS2 里用两个 livox_ros_driver2 节点分别接收两个雷达的数据，然后用 转成 2D costmap 给导航栈用。也可以用 做两个点云的拼接，生成一个完整的 3D 环境。 实测效果：车尾方向的点云密度从原来的 60% 恢复到了 95% 以上（剩余的 5% 损失是车身结构遮挡无法避免的）。车尾检测距离从 15m 提升到了 30m，跟车前方基本一致。 三种融合方案对比 我们测试了三种点云融合方式： 方案一：独立话题，分别处理。 两个雷达的点云作为独立的 ROS2 topic 发布，下游的避障节点分别订阅两个 topic，各自做避障判断。 优点：简单，不需要修改现有算法。缺点：两个雷达覆盖的重叠区域可能出现重复检测——同一个障碍物被两个雷达都看到了，避障算法不知道该怎么处理，可能会过反应。 方案二：点云拼接，统一处理。 把两个雷达的点云拼成一个大的点云（通过坐标变换统一到车体坐标系），然后作为一个 topic 发给下游算法。 优点：下游算法只需要处理一个点云，逻辑简单。缺点：重叠区域的点需要做去重处理，否则点云密度不均匀可能影响算法表现。 方案三：分别建图，共享地图。 两个雷达各自运行 SLAM（各自一个 FAST-LIO2 实例），建出来的子地图通过地图融合算法合并成一个全局地图。 优点：鲁棒性最好——一个雷达被遮挡了，另一个雷达的 SLAM 还能继续工作。缺点：计算量大，需要两套 SLAM 实例运行。 实际项目中， 方案二用得最多 。点云拼接的计算量很小（几十毫秒级别），重叠区域的去重用体素滤波就能搞定，实现起来也不复杂。 两个雷达的安装间距 这个很多人不注意。两个雷达之间的距离会影响什么？ 抗串扰。 M360 有主动抗串扰设计，但如果两个雷达离得太近（<20cm），激光束之间的交叉角太小，抗串扰的效果会打折扣。 点云重叠。 两个雷达之间的间距决定了重叠区域的大小。间距越大，重叠区域越大，但点云密度也更不均匀（重叠区密、非重叠区疏）。 我们的建议是：如果车身允许，两个雷达的间距保持在 60~100cm。这个间距下抗串扰效果最好，重叠区域的点云密度也比较合理（不会太密也不会太稀）。 如果车身太小（<80cm），间距不够，可以降低一个雷达的扫描频率来减少串扰。比如车头雷达全速运行，车尾雷达降到一半频率。牺牲一点帧率换更好的抗串扰效果。 什么时候需要三个或更多 大部分项目两个雷达就够了。需要三个或更多的情况一般是： 车身很大 ——长轴距的重型 AGV，车头车尾各一个，中间再加一个填补侧面盲区。 需要全方位近距离感知 ——比如在密集货架区穿行的仓储机器人，需要 360° 方向都能在 10cm 内检测到障碍物。 四足机器人/人形机器人 ——机身姿态变化大，需要多方向补偿。 三个以上雷达的融合复杂度明显增加。不只是点云拼接的问题，还有计算资源的分配——每个雷达的驱动节点、点云预处理、SLAM 实例都需要 CPU 和内存。 我们测过四个 M360 同时运行在 Jetson AGX Orin 上（FAST-LIO2 × 4），CPU 占用率大概 85%，内存 8GB。能用，但余量不多了。如果再加其他算法（目标检测、路径规划等），可能会不够用。 两个雷达的方案对算力的要求就低很多。在 Jetson Orin Nano 上跑两个 FAST-LIO2，CPU 占用率大概 40%，还有余量跑其他算法。 成本和收益 最后一个问题是值不值。一个 M360 的价格不便宜，多加一个就是多一份成本。 但算一笔账：如果因为车尾盲区导致一次碰撞，维修成本（雷达支架变形、车漆刮伤、停工损失）远超一个雷达的价格。对于商业化的产品来说，可靠性比成本更重要。 不过也要看场景。如果是在开阔的室外场景低速行驶，碰撞风险低，一个雷达够用。如果是在密集的室内环境高速行驶，两个雷达的安全余量值得投资。 以上基于实际项目测试，M360 参数以坦途智行官方为准。