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。
