「雷达准、视觉便宜」是总结，不是分析。真正决定选型的是：测量模型、退化流形、外点机制，以及你准备用什么绝对信息钉住不可观自由度。

测量模型本质不同

1.1 视觉：投影几何

视觉观测是光线方向（加光度）。单目单帧深度不可观；深度来自：

• 多视图三角化
• 立体基线
• RGB-D
• IMU / 轮速尺度

误差主要来自：标定、匹配错误、曝光、运动模糊、滚动快门。

1.2 LiDAR：主动测距几何

机械式旋转雷达给出极坐标点；误差来自：

• 距离噪声（与反射率、距离相关）
• 光束发散
• 运动畸变（一帧扫描期间机体在动）
• 多径 / 透射（玻璃）

点云直接是米制，但结构退化时纵深不可观，这一点常被低估。

LiDAR 前端：不止是「ICP 一下」

2.1 点到面 / 点到线

经典点到面残差：

r = nᵀ ( R p + t - q )

p 当前点，q 地图对应点，n 局部平面法向。比点到点 ICP 更抗采样密度变化。

LOAM 系进一步：

• 大曲率 → 角点（edge）→ 点到线
• 小曲率 → 平面点 → 点到面

这是在显式选择高信息几何特征，不是均匀用全部点。

2.2 运动畸变补偿

一帧扫描跨度 ΔT（如 100 ms）内，位姿连续变化。未去畸变时，墙壁会「弯」。

紧耦合 LIO（如 FAST-LIO）用 IMU 高频姿态对点云做去畸变，再做迭代卡尔曼 / 优化更新。视觉的「一帧曝光」更短，但 IMU 对 VIO 同样关键。

2.3 退化检测

对法向协方差 / 约束方向做 PCA：若特征值呈现「一个方向特别小」，说明该方向位移不可观（长廊）。

工程响应：

• 降低该方向的更新步长
• 引入轮速 / IMU / 视觉纹理约束
• 拒绝在退化方向做地图更新

没有退化检测的 LiDAR SLAM，在地下车库长直道会「滑行」。

视觉前端：特征法 vs 直接法（信息视角）

深层差异：特征法把图像压缩成稀疏路标，后端清晰；直接法信息量大但对辐射标定要求高。半直接（SVO 系）折中。

视觉的「纹理退化」≈ LiDAR 的「结构退化」，只是失效场景互补。

尺度、重力与绝对锚点

结论：任何里程计都会漂；差别是漂的速度、方向，以及你用什么闭环/绝对观测把它钉住。

失效模式对照（用于方案评审）

5.1 视觉容易死在

• 暗光 / 强逆光
• 白墙、玻璃幕墙反射错匹配
• 动态行人占画面
• 镜头雾/污
• 夜景车灯拖影

5.2 LiDAR 容易死在

• 长廊、隧道、空旷广场（几何退化）
• 大雨雾雪（散射）
• 玻璃/黑车身（漏检或噪点）
• 正对强反光金属
• 多雷达外参漂移

5.3 两者都怕

• 时间同步错误
• 外参错误
• 剧烈冲击导致结构形变
• 无回环的超长轨迹

评审表不要写「雷达更稳」，要写「我们场地是否存在长廊退化？是否有玻璃？光照是否可控？」

融合：改的是信息矩阵，不是「加权平均轨迹」

6.1 松耦合

T_visual 与 T_lidar 作为相对位姿因子进入图。实现简单，但：

• 两套前端的相关性难建模
• 容易双计数同一几何（相机看到的墙与雷达扫到的墙）

6.2 紧耦合

同一状态上同时挂视觉残差与点到面残差（+ IMU）。信息利用充分，但工程复杂度高。

6.3 谁主导？

实用策略：

• 结构化室内物流：LiDAR(+IMU) 主导定位；视觉做识别/对接
• 高空 / 轻小平台：VIO 主导；必要时稀疏视觉重定位
• 地下车库：LiDAR+IMU，视觉辅助抗退化（纹理墙面）
• 对接充电桩：全局激光定位 + 近场视觉/红外标签

主导传感器决定失败安全策略：主传感器失效时是减速停，还是降级续航。

算力与数据率

粗算（数量级）：

• 16 线雷达 @10 Hz：点量相对小，嵌入式可跑 LOAM 类
• 128 线 / 固态高密度：需要特征提取或 ikd-tree / voxel map 增量结构
• 图像 1280×800 @30 Hz：特征法中等，稠密直接法重

瓶颈经常在：

• 点云拷贝与 ROS 序列化
• 未增量的全局 ICP
• 视觉穷搜描述子

架构上优先 增量地图结构 + 有界滑窗，而不是每帧对全图 ICP。

评测协议：避免「自嗨 Demo」

同一条轨迹上记录：

1. 相对漂移：RPE @ 10 m / 50 m / 100 m
2. 终点闭合 / 回环后 ATE
3. 失败事件：跟踪丢失、退化报警触发
4. 环境标签：是否长廊、是否强光、是否动态拥挤
5. 传感器脏污注入测试（遮挡 10% 视场 / 喷雾）

没有环境标签的精度表没有决策价值。

决策流程（可放进设计评审）

1. 列出 Top 3 失效场景（场地实测）
2. 单传感器能否覆盖？不能则选互补传感器
3. 是否需要米制规划地图？→ 倾向 LiDAR/深度
4. 是否需要语义？→ 视觉必须在环
5. 算力/成本上限？
6. 标定与维护流程是否可执行？
7. 定义降级与急停策略
8. 用同一评测协议对比候选系统

小结

LiDAR 与视觉的深层差异是：

• 观测流形不同（测距几何 vs 投影几何）
• 退化场景互补（结构不足 vs 纹理/光照不足）
• 融合价值在于填补不可观方向，而不是简单提高「平均精度」

选型时写清不可观自由度与失效安全，才是工程级方案；否则只是采购清单。

参考

尺度、外参、时间其中一项不对，后端再漂亮也像在拟合噪声。

• Zhang & Singh, LOAM
• Shan et al., LIO-SAM; Xu et al., FAST-LIO / FAST-LIO2
• Zhang et al., On Degeneracy of Optimization-based State Estimation Problems
• Cadena et al., Past, Present, and Future of Simultaneous Localization and Mapping (TRO survey)