1. 精度下降到底指什么先分清“测不准”和“测不稳”先说结论激光雷达用久了精度确实会下降但大部分情况下不是你想象中那种“测距从±2cm漂到±20cm”的断崖式衰退而是以更隐蔽的方式出现——点云变稀、边角出现噪点、某个区域的反射强度整体变低、或者暗光环境下有效探测距离缩短。在讨论这个问题之前有必要先把“精度”这个词拆开。行业里讲激光雷达精度通常涉及两个容易混淆的概念一个是准确度Accuracy指测量值和真实值的偏差有多大另一个是精度Precision指重复测量同一个点时结果本身的离散程度。打个比方你要量一张桌子的长度如果每次量出来都是120.1cm但桌子实际是120cm这叫准确度差了0.1cm如果十次量出来分别是119.5cm、120.6cm、119.8cm……虽然平均值接近120cm但每一次都在跳这叫精度差。日常我们说的“激光雷达用久了不准”通常其实是精度变差也就是点云变得不稳定同一个目标这个帧扫出来在这个位置下一帧就偏了几个厘米到十几厘米。在实际测试中更常见的是这三种表现第一同等条件下回波强度整体下降尤其是在30米开外的低反射率物体黑色轮胎、深色衣物上以前能扫出十几个点现在只剩三五个点第二视场边缘区域的点云开始出现锯齿状抖动或者同一面墙被扫成了“双墙”第三车辆静止时原本平整的地面点云出现波浪形起伏。这些都是典型的长期使用后的精度劣化信号。另外一个需要明确的事情是“精度下降”和“标定漂移”是两回事。精度下降是探测链路本身的能力衰退而标定漂移是传感器内部参数或外部安装位置发生了变化。前者可能需要拆机维修甚至更换组件后者通常重新做一次标定就能解决。但在用户体感上这两者都会表现为“点云不对了”所以排查时要先分清方向免得花了修硬件的钱结果只是标定文件有问题。还有一个很多项目里容易忽略的点激光雷达的精度评估必须放在“全寿命周期”里看。一台设备出厂时标称精度±2cm这只是在25℃标准环境下、30m距离、90%反射率靶标上测出来的最好成绩。到了车上经历高温暴晒、颠簸振动、雨雪粉尘之后精度曲线会随着时间和使用环境逐步偏移。因此做量产项目时比起“这台雷达精度有多高”更应该关心“这台雷达在用了两年、跑了五万公里后精度还能保持在什么水平”。2. 衰退从哪来发射、接收、光学、机械、算法五条链路逐一排查要搞清楚激光雷达为什么会越用越不准最好从它的工作链路下手拆。一台脉冲式激光雷达TOF方案的工作流程大致是驱动电路产生窄脉冲电流驱动激光二极管发射激光脉冲脉冲经过发射光学系统准直后射向目标目标反射回来的光被接收光学系统收集聚焦到探测器上探测器通常是APD雪崩光电二极管或SPAD单光子探测器把光信号转换成电信号信号处理电路通过测量发射和接收的时间差来计算出距离。任何一个环节出现“和出厂时不一样”的变化都会反映在最终的点云精度上。2.1 发射端老化激光器功率衰减是精度下降的第一杀手激光二极管是整个传感器里最容易老化的核心器件之一。它本质上是一个半导体发光器件长时间大电流脉冲工作下腔面会逐渐劣化缺陷密度增加导致出光功率下降、阈值电流上升。表现出来就是明明驱动电流没变发射出去的激光能量却变小了。回波能量变弱以后远距离目标、低反射率目标就会丢失测距有效范围逐步缩水。这个问题很多人在实验室里根本发现不了因为短时间测试看不出功率缓慢衰减。实际项目中我遇到过一台运行了约12000小时的雷达外观完好无损但实测最大探测距离从标称的200米降到了160米左右用光功率计检测发射端峰值功率只剩下出厂值的七成左右。这种衰减是渐进的不到后期很难靠肉眼从点云上直接发现。驱动电路的温度漂移也会加剧这个现象。激光器的发光效率和温度强相关温度升高时光功率下降、波长漂移有些驱动电路虽然做了温度补偿但补偿系数是出厂时标定的随着器件老化补偿效果会越来越不匹配。在夏天暴晒后的路面上雷达内部温度可能到70℃以上本来功率就偏低再叠加温度漂移点云质量就会明显劣化。2.2 接收端灵敏度下降噪声变大了信号却没变接收端的APD探测器同样存在老化问题但表现和发射端不太一样。APD老化后倍增因子会下降也就是说同样强度的光信号转换出来的电信号变弱了同时暗电流会增大即使没有光照也会产生更大的底噪。这两个方向的夹击直接导致信噪比恶化。信噪比下降之后系统为了保持点云干净往往会提高检测阈值来过滤噪声但这又会导致弱回波信号被一起滤掉。最终的效果就是目标还在那里反射率也够但雷达成像上就是少了那几帧的点。如果调试界面上有“回波率”或者“每帧点数”的统计你会发现这类指标随着时间在慢慢往下走。2.3 光学系统镜片污染、镀膜老化、微裂纹激光雷达的光学链路比很多人想象中脆弱。发射透镜、接收透镜、扫描转镜这类部件长期暴露在车规环境下表面会被灰尘、油膜、水渍覆盖即使是密封良好的雷达镜片镀膜本身也会随着温湿度循环逐渐老化透过率下降。更隐蔽的是镜片表面可能出现肉眼几乎看不见的微裂纹或麻点这些缺陷会造成光散射散射光在近处进入接收视场形成近距噪点。做过激光雷达和相机融合测试的朋友应该有体会很多雷达在下过雨之后启动头几分钟点云里会有大量漂浮噪点这就是镜片表面水膜折射造成的问题。如果长期不清洁水渍中的矿物成分会腐蚀镀膜形成永久性污损那时候就不是擦一下能解决的事了。2.4 机械扫描机构磨损转镜抖动和轴承间隙对于机械式或半固态式激光雷达扫描机构的机械磨损同样不可小觑。转镜由电机带动电机轴承的微小磨损、润滑脂老化导致阻力变化都会让扫描角度出现抖动或漂移。具体到点云上就是同一位置的物体在不同帧里被“扫歪”了几个像素的角度反映在地面点云上就是整片区域出现波浪形。这类问题最麻烦的地方在于它不是固定不变的受温度影响很大。冷启动时油膜粘度大扫描速度可能偏慢运行一段时间后温度上来又恢复正常。所以热机前后点云质量差异明显也是一个值得关注的诊断信号。需要注意的是当前主流量产方案正在向转镜式、MEMS式以及纯固态OPA或Flash切换其中纯固态方案没有机械扫描结构抗老化表现会更好一些但发射接收链路的老化问题依然存在。2.5 温漂和“出厂标定参数”的失效最后一条链路容易被忽略雷达出厂的标定参数比如各通道的距离偏移量、角度修正量、强度修正表是存储在固件或校准存储区的。这些参数在出厂时是针对“当时的器件状态”做的最优解。问题是器件老化是非均匀的——激光器衰减、探测器灵敏度变化、光学镜片透过率降低每条链路的偏移程度都不一样。出厂标定偏移值已经不能准确补偿老化后的状态于是点云精度就会出现系统性的偏差。这种情况理论上可以通过重新标定来缓解但很多消费级和准车规级激光雷达并不提供用户侧的内参标定能力只能返厂处理。这也是为什么在选购设备时要看品牌是否支持“内参在线自校准”或至少提供定期返厂校准服务。返厂标定并非玄学国内几家头部的激光雷达厂商目前都提供这类服务周期通常在一年到两年一次费用在数千元到上万元不等量产项目最好提前把这笔预算和停机周期算进去。3. 架构选型对老化敏感度的影响共孔径与分孔径的长期表现差异聊到激光雷达长期使用的可靠性很多做系统集成的人只关注点云效果和价格很少把“架构”和“长期老化”放在一起考虑。这里想多说一点因为架构决定了雷达对光学污染和器件老化有多敏感直接影响几年后的使用体验。所谓共孔径Monostatic和分孔径Bistatic指的是发射光路和接收光路是否共用同一套光学器件。分孔径架构是最常见的方案发射透镜和接收透镜分开布置各管各的。这种方案的优点是大规模生产时两个独立模块可以分别调校工程实现简单缺点是接收孔径和发射孔径之间存在基线距离近距离目标的视差会比较明显而且在光学窗口被污染时发射和接收是两条独立链路各自受污染影响叠加起来信号损失更大。共孔径架构则是让发射和接收共用同一个光学窗口和大部分镜组通过半反半透镜或者其他分光器件来分离收发光路。优势在于视差小、结构紧凑而且因为发射光和接收光走的是同一条光路对外部窗口污染的敏感性会低很多——污染物的遮挡对收发链路的影响是同时的相对比例变化不大。这也是很多主打车载性能的高线数雷达倾向于采用同轴共孔径设计的原因。热词里提到的PMC同轴LIDAR设计本质上就是利用光线在同轴光路中的传播特性来同时优化发射效率和接收灵敏度。在最优探测距离分析中同轴结构可以确保接收视场始终和发射光束完全重合这在远距离小目标探测上特别有价值——如果收发视场存在哪怕是零点几度的失配远距离目标的回波强度就会显著衰减。长期使用后任何机械微变形或光学器件位移都可能造成收发视场失配同轴结构天然更抗这类问题。那是不是说共孔径优于分孔径、选型时无脑选同轴就行也不尽然。共孔径方案对器件的一致性要求更高分光器件本身会带来一定光损而且半反半透镜这类镀膜元件同样存在老化问题。实际选型时要结合场景如果你使用环境灰尘多、而且不方便频繁清洁外窗同轴方案会更省心如果设备安装在相对干净的室内场景或者运维团队有成熟的清洁周期分孔径方案在成本和性能上也有自己的优势。考虑到激光雷达在自动驾驶系统中扮演的角色它往往是多个传感器融合里“最后一道可靠屏障”——光线不足或相机被强光直射时点云依然是有效的。这种系统级的安全关键性意味着对传感器长期衰减的容忍度必须留出足够的冗余量。比如你期望在150米外检测到一辆灰色轿车那么选型时应该考虑雷达运行几年后有效探测距离可能衰减10%20%最好直接选择标称探测距离更长的型号而不是把标称值当成全寿命周期的长期指标。4. 检测与标定如何量化评估激光雷达的健康状态李彦宏曾经在一次演讲里提到“自动驾驶的三分之一是传感器”传感器数据可信度直接影响决策链的质量。落实到工程实践上就需要建立一套可靠的手段来评估雷达是否“还健康”。下面分享一套我常用的评估和标定流程不需要昂贵设备也能把雷达状态量化出来。4.1 量化指标不要只看“能不能测到”而是量化“好不好”至少需要关注以下五类指标点名/帧点云数量同一场景、同一角度下固定时间内采集到的三维点总数长期对比可以发现突然下降或者渐进衰减。回波强度均值与分布观察反射率值在某一反射率靶标上的读数是否稳定。如果整体下降且标定系数无法补偿大概率是光学或探测器衰退。远距小目标可检测性放置一个固定的高反射率三角牌或角反射器在标称探测距离的80%处看能否稳定检出是否经常丢帧。测距重复精度让雷达正对一个平面墙或反射靶标连续采集300帧长度数据计算某个固定点在距离维度上的标准差。当标准差超过出厂值的1.5倍时通常意味着测距抖动已经明显劣化。近场噪点率统计1米3米范围内漂浮噪点的数量正常情况下理想环境应低于每帧0.1%若持续大于1%则有接收电路或光学污染风险。这些指标不要求每次做全但建议至少每月采集一次保留历史记录绘制趋势线。趋势线比单次绝对值更有价值——在故障完全暴露前很多参数会呈1%~3%/月的缓慢线性下降看着趋势就能提前安排维护。4.2 内参基线采集与自检新雷达装车后不要急着跑功能测试先在一个空旷、环境可控的停车场做一次“内参基线采集”。简单说就是把雷达放在一个固定位置距离墙面或靶标5米、10米、20米、30米、50米分别采集点云记录各距离上的测距均值、标准差和回波强度作为该设备的“出厂健康档案”。这个档案之后所有诊断都靠它对照。如果是多雷达融合系统这个基线数据还可以用来做雷达间的相对校验看两个雷达对同一目标测量出的相对距离差是否在指标范围内。多雷达配置中出现其中一个雷达测量值整体偏移、但单看每个点云又不觉得有问题时用基线对比是最快的定位方式。4.3 外参标定激光雷达与相机的融合校正当激光雷达与相机融合使用时外参标定的意义就更直接了。所谓外参就是激光雷达坐标系与相机坐标系之间的旋转矩阵和平移向量。外参的漂移通常不是因为雷达本身老化而是因为安装支架的热胀冷缩、车辆碰撞变形、螺丝松动导致的毫米级位移。毫米级的位移在近处也许看不出来但在50米外就能造成几十厘米的投影偏差足以让激光雷达的探测边界和相机图像的目标框对不齐。目前比较通用的做法是使用棋盘格标定板或特定形状的多面体靶标采集雷达点云与相机图像中的同一组特征点然后通过PnP求解或手眼标定算法算出外参。实操中需要保证在标定过程中车辆静止地面水平标定板不要有反光或镜面反射。4.4 建立数据质量监控习惯对量产车队而言更重要的不是出了问题再去标定而是尽量让“数据质量下降”在早期就被系统自动发现。可以在数据处理层加一个简单的质量监控模块统计每帧点云中距离在阈值内的点数、点云密度在扇区中的分布比例、回波强度均值等。一旦发现连续多帧数值超出统计基线范围就触发报警并自动截取当段数据供人工复核。这类监控不复杂但确实能省下大量排查时间。有些团队会把传感器数据质量纳入泊车和行车测试平台的日常自检流程开机即测把“是否有树荫遮挡”“是否有雨雾”“是否有前车尾气扰动”这些环境因素也纳入判断条件避免误报警。简单说就是让系统先学会分辨“天气不好点云本来就差”和“雷达坏了点云变差”这两件事。4.5 标准与数据可信度如果项目涉及自动驾驶测试场景评价那么ISO 34505:2025《自动驾驶测试场景评价与用例测试生成》是一个值得了解的参考标准。这套标准主要规范了测试场景的评价方法和用例生成流程对于传感器数据质量的下限、场景要素的置信度、测试结果的可重复性都有间接约束力。在做测试方案设计时传感器数据可信度的判定需要纳入流程否则很难判断算法失效到底是场景问题还是传感器数据本身已经不再可靠。把传感器的健康评价和测试场景的数据可信度绑定起来是我个人认为未来工程化落地的重点方向。5. 常见问题与排查技巧实录最后把实际项目中积累的一些“雷达状态异常”排查经验整理成速查表覆盖几种最常见的现象、判断方向和处置办法。这份表格适合运维调试人员直接参考也适合研发阶段用来区分软件算法问题还是传感器硬件问题。异常现象可能原因排查方法处置建议远距目标点云稀稀拉拉、时有时无激光功率衰减、光学镜面污染检查窗口镜片是否脏污对比同一目标的回波强度历史值清洁镜片返厂测发射功率必要时更换发射模组测距存在几厘米到十几厘米的跳变抖动探测器灵敏度下降信噪比恶化用固定靶标连续采集300帧计算标准差优先排除温度影响若热机后仍跳变返厂检测接收链路特定区域出现规律性“拖尾”或假点光学镜片散射、内反射检查扫描转镜和窗口镜片是否有划痕或污渍深度清洁若仍存在返厂更换光学元件整机点云整体偏移几厘米外参漂移或内参标定参数失效先检查安装支架紧固状态再做外参标定若外参正常仍偏移申请返厂内参校准近处突然出现密集噪点接收电路噪声异常或镜片起雾查看是否为雨雪天气或温度骤变时段轻擦镜片开启加热除雾功能持续存在则返厂检测全生命周期里有效探测距离逐步缩短发射功率缓慢衰减用相同条件下参考靶标可检测性对比提前规划返厂标定或器件更换别等到失效再处理遇到雷达点云异常不要急着拆机或换件。先按“清洁与否→温度是否异常→外参是否可靠→是否属于渐进劣化”的顺序过一遍往往能省下一笔盲目的返厂维修费。我见过不少“返厂检测”的案例最终结果就是镜片上有层油膜擦干净后点云完全恢复正常。清洁成本几乎为零但对点云质量的提升是立竿见影的。用棉签蘸无水乙醇轻轻擦拭窗口镜片从中间往外打圈切忌来回横向擦造成镀膜划伤。雷达外壳上的散热鳍片如果有积灰最好也顺便清理散热不良会加速激光器和驱动电路的老化。另外还有一个不少人踩过的坑冬天冷启动之后雷达内部镜片容易起雾这时候点云会出现大范围噪点。很多团队把这个问题当成硬件故障处理实际上是雷达自身加热丝或除雾功能没有启用或者加热功率不够。处理方案是在雷达控制指令里打开除雾模式而不是急着报修。线材和接插件也值得留意。雷达的供电电压如果因为线路老化产生波动激光器发射功率同样不稳定点云抖动会加剧。检查完雷达本身之后别忘了量一下雷达供电端的电压波形确保没有明显的毛刺和压降。写在最后我个人在这几年的项目里最大的体会是激光雷达的“长期精度”问题本质上是一个系统化管理问题。它不像软件bug可以在短时间里复现并修复而是需要靠定期的数据记录、趋势分析、清洁保养和标定流程来兜底。把每一台雷达的出厂基线数据保存好建立月度健康检查习惯远比等到点云明显变差后再去排查要靠谱得多。如果正在做一个长期运营的自动驾驶或机器人项目建议从第一天起就把激光雷达的“健康档案”建起来未来会省下很多时间。