一台16线机械式LiDAR装在AMR上，一圈一圈转，每圈都打在同样的16个仰角上。线与线之间的空隙永远是黑的——不管机器人跑了多久，这些缝隙里什么也照不到。如果一根叉车货叉腿刚好卡在两条扫描线之间，它对LiDAR来说就是隐形的。
这就是重复扫描的核心问题。越来越多的机器人工程师正在转向非重复扫描方案。本文拆解两种扫描模式的工作原理、对实际避障的影响，以及各自适合什么场景。
两种扫描模式怎么工作的
重复扫描（固定路径）
传统3D LiDAR——无论是机械旋转式还是大多数固态设计——激光脉冲沿着固定的角度发射。16线传感器每转一圈打16个仰角，32线打32个。每一帧的模式完全一样。
点云呈现典型的"环状"或"条纹"结构。环与环之间的区域永远没有激光覆盖。
在10米距离上，一台垂直FOV ±15°的16线传感器，相邻扫描线之间的垂直间隙超过30厘米。一根缆线、一根管道、一个人的脚踝，都可能藏在这些缝隙里。
重复扫描唯一的优势：每一帧都有完整（但稀疏）的角度覆盖，对某些算法更友好。
非重复扫描（变化路径）
非重复LiDAR——包括棱镜式的Livox Mid系列和SmartBotParts M360——通过旋转光学元件（棱镜或反射镜）让每一圈的扫描路径都不同。从正上方看，轨迹像花朵或玫瑰，所以也叫"花瓣扫描"。
单圈内只覆盖FOV的一部分。但随着持续扫描，覆盖面积逐步增长。
Livox官方文档显示，Horizon传感器在100ms内达到约60%的FOV覆盖率（相当于64线重复扫描的水平），Tele-15在同样时间内达到99.8%。
M360采用反射镜旋转架构，在360° × 70°的FOV内产生类似的非重复扫描模式，点频200kHz，测距精度≤2cm。
重复扫描的盲区问题
问题不在测距范围或精度——在于几何。
16线LiDAR、垂直FOV 30°，相邻光束间隔约2°。在5米处，垂直间隙约17cm；10米处约35cm。一根细立柱完全可以卡在两条线之间，不反射任何一个光点。
增加线数能缩小间隙，但代价不低。从16线到32线，间隙减半——价格也大约翻倍。到64线或128线，传感器价格进入$1,000-$3,000+区间，功耗升至10-14W。
即使128线，间隙也没有消失，只是变小了。而且这些暗区是永久性的——帧复一帧，同样的角度永远没有数据。
上海交大2025年10月的arXiv论文（Qi等）明确指出：重复扫描LiDAR存在"FOV盲区"，且不管扫描多久这些盲区都在。
而非重复传感器通过时间累积逐步填充这些空隙。
非重复扫描怎么解决
不靠增加固定光束，而是让少量光束在时间上覆盖更大面积：
- t = 0 ms：稀疏覆盖，类似低线数重复传感器
- t = 100 ms：显著填充——相当于32-64线传感器的覆盖
- t = 500 ms–1 s：接近100% FOV覆盖
机器人以1m/s行驶时，100ms只走了10cm。在这个窗口内，传感器已经构建了比32线重复传感器单帧更密的点云。
机器人走完1米时，累积点云密度极高——没有永久盲区。
这在对以下目标检测时尤其关键：
- 细长竖直物体：管道、立柱、树干、缆线
- 低矮障碍物：路沿、台阶、地面碎片
- 小尺寸或不规则物体：倒下的纸箱、工具
- 动态出现的障碍物：突然走入路径的人
2025年发表在PMC上的一项果园负障碍物检测研究也证实，非重复扫描产生更高的点云密度，能"准确检测地面上的每个细节"。
而重复传感器因固定扫描线经常完全漏掉地面。
对SLAM算法的影响
FAST-LIO2
FAST-LIO2最初就是为非重复扫描的固态LiDAR设计的（首发验证用的是Livox Horizon）。
它用点到地图的直接配准 + 迭代扩展卡尔曼滤波 + ikd-Tree，不假设点云有规则网格结构，天然适配非重复扫描的不均匀、时间累积点云。
也能跑重复传感器，但非重复扫描带来的密度优势就浪费了。
LIO-SAM
LIO-SAM假设点云结构相对规整，用特征提取（边点和面点）。它原本为Ouster/Velodyne这类旋转式LiDAR设计，跟重复扫描更搭。
非重复传感器单帧点分布不够均匀，特征提取会稍显粗糙。实际使用中都能跑，但FAST-LIO2配非重复硬件通常更顺滑。
Point-LIO
Point-LIO逐点处理，来一个点更新一次状态估计。不管这个点落在FOV哪里都一样处理。
这种点对点的方式完全绕开了帧结构假设，天然适合非重复传感器。
总结
三种主流开源SLAM框架都兼容两种扫描模式。非重复扫描和FAST-LIO2/Point-LIO更配，重复扫描和LIO-SAM更配。
如果你已经在用LIO-SAM+重复传感器且跑得没问题，不急着换——除非固定扫描线漏检障碍物成了实际痛点。
各场景怎么选
重复扫描够用的场景
结构化仓库，大尺寸障碍物。 AMR在宽通道中行驶，障碍物都是大的（货架、叉车、墙壁），扫描线间隙 rarely matter。16线传感器可能什么都不漏。
已知路径上的高速直线行驶。 优先级是帧率和低延迟，重复传感器每帧都有完整的结构化数据。
预算有限、障碍物简单。 一台2D RPLidar以10Hz跑，某些AGV应用就够了。不要过度配置。
非重复扫描有实际价值的场景
非结构化或半结构化环境。 工地、户外堆场、果园、停车场——障碍物大小形状各异，可以出现在FOV任意位置。非重复扫描的渐进覆盖是真正的安全优势。
低矮和细小障碍物检测。 路沿、缆线、管道、地面碎片、楼梯边缘。这些恰好是重复传感器扫描线间隙里最常漏掉的东西。2025年arXiv基准测试发现，非重复LiDAR在路侧感知任务中达到"与128线重复传感器相当的检测性能"——价格只有零头。
单LiDAR同时做SLAM和避障。 一个非重复传感器同时给出更密的建图点云和更好的障碍物检测，不需要加第二个传感器。
动态变化的环境。 人、叉车、托盘频繁移动的仓库。非重复扫描在帧间填充空隙，降低新出现的障碍物刚好落在永久盲区里的概率。
核心权衡：瞬时覆盖 vs 累积覆盖
说白了：重复传感器每帧给你完整（但稀疏）的覆盖。非重复传感器给你部分（但逐渐变密）的覆盖。
如果应用要求障碍物出现的瞬间（一帧之内）就检测到，重复扫描有结构性优势——因为它的每个角度位置在每圈都采样。
非重复扫描可能在新障碍物出现在未扫描区域时漏掉第一帧。
实际上，对大多数移动机器人影响不大。
AMR速度通常0.5-2m/s，100-200ms的累积覆盖远超16或32线重复传感器的单帧覆盖。机器人还没走出多远，累积密度已经很高了。
例外情况：高速场景（>3m/s）或需要快速反应移动物体的应用（足球机器人、过马路的配送机器人）。
这些场景下，重复扫描的瞬时完整性提供真正的安全余量。有些团队两种都用——重复传感器负责实时反应避障，非重复传感器负责密集建图。
传感器对比
| 传感器 | 扫描模式 | 点频 | FOV（水平×垂直） | 功耗 | 重量 | 价格区间 |
|---|---|---|---|---|---|---|
| M360 | 非重复（反射镜） | 200 kHz | 360° × 70° | <4.5W | 408g | 经济型 |
| RPLidar A3 | 重复（2D） | 16k pts/s | 360° × 0° | ~3W | 190g | $99-$199 |
| Ouster OS0-32 | 重复（32线） | ~300k pts/s | 360° × 45° | ~14W | 437g | $1,500+ |
| Ouster OS0-128 | 重复（128线） | ~1.3M pts/s | 360° × 45° | ~20W | 447g | $3,000+ |
| Velodyne VLP-16 | 重复（16线） | ~300k pts/s | 360° × 30° | ~8W | 830g | $2,000+ |
M360的200kHz点频 + 非重复扫描 = 快速累积密集点云，功耗却低于大多数3D传感器的2D竞品。
408g重量和IP67防护也适合对每克重量都计较的紧凑型AMR。
选型决策三问
- 我需要检测的最小障碍物有多大？ 如果它比检测距离处扫描线间隙还小，重复扫描会漏。非重复扫描能抓到——给够时间。
- 机器人速度多快？ 2m/s以下、100ms以上累积扫描，非重复覆盖通常超过32线重复覆盖。3m/s以上，需要评估几帧部分覆盖是否可接受。
- 跑什么SLAM？ FAST-LIO2和Point-LIO原生支持非重复数据。LIO-SAM更偏好重复。三种都兼容两种模式，但有些搭配更顺畅。
如果问题1的回答是"细小或低矮物体"，问题2的回答是"2m/s以下"，非重复扫描更合适。
否则，重复扫描也是完全合理的选择——尤其在结构化、可预测的环境中。
更多SLAM算法与扫描模式的匹配分析，见M360 SLAM算法对比。更全面的传感器选型，见AGV LiDAR对比矩阵。
传感器参数基于各厂商2026年7月公开数据。M360参数引用自产品手册（Ver 1.4, 2026-02-27）。价格为市场参考价，可能因地区和经销商不同而有所差异。