智能自適應聚焦激光雷達

現有激光雷達解析度低，點雲掃描線之間存在大量空隙；且視場角受限，存在大面積盲區。增加激光通道數或多雷達組合方案雖可改善，但顯著增加成本及複雜度，難以在視場角、解析度、成本與靈活性之間取得均衡。

• 受人類頭部旋轉啟發，αLiDAR為標準激光雷達增設主動旋轉機構。透過將感測器旋入原有盲區並疊加多幀點雲，系統以極低的額外硬件成本實現全景高解析度三維感知，有效將擴展感知視角。
• 採用逐點級不確定度傳播方法，在整個狀態估計流程中追蹤每個激光點的測量不確定度，並在點雲配準時以不確定度為權重。即使在傳感器旋轉與平台運動的複合作用下，系統仍可實現厘米級位姿估計精度，生成無畸變的高保真三維點雲。
• 線上軌跡優化算法可根據下游任務指定的感興趣區域（ROI），實時調整激光雷達的旋轉掃描軌跡，將感知資源集中於路面或特定目標，實現稠密聚焦感知，大幅提升障礙物檢測及交通監測等下游任務的性能。

• 與傳統LiDAR相比，αLiDAR將三維建圖精度提升8.5倍、覆蓋率提升2倍、點雲密度提升1.6倍；有效感知距離及可感知目標數量均提升1.8倍，顯著提升自動駕駛和智能交通等安全關鍵應用的感知質量。
• 系統相容多種型號的激光雷達，完整的開源硬件設計（CAD、PCB）及算法代碼已發布於GitHub，便於研究人員及企業在移動機器人、路側基礎設施等多種場景中快速採用與部署。
• αLiDAR於ACM MobiCom 2024獲最佳技術成果論文獎及最佳提名演示論文獎，並榮獲2025年度華為黃大年茶思屋「頂會作者讀頂會」十佳活動獎，充分展示了本技術在學術界與業界的廣泛影響力。

• ACM MobiCom 2024 最佳技術成果論文獎
• ACM MobiCom 2024 最佳提名演示論文獎
• 2025年度華為黃大年茶思屋「頂會作者讀頂會」十佳活動獎

• 自動駕駛——為自動駕駛車輛提供全景三維感知與高精度環境建圖
• 具身智能機器人——為移動機器人提供全景高解析度環境感知與障礙物檢測
• 智能交通基礎設施——用於交通監測與管理的路側稠密三維感知