激光雷达、双目视觉、毫米波雷达。这些为自动驾驶汽车打造的环境感知技术，正在静悄悄地进入低空飞行器的传感器方案。

两个已经发生的实例：

2025年12月，速腾聚创2160线数字化激光雷达EM4获得广汽高域飞行汽车GOVY AirCab的独家定点；

同月，禾赛科技宣布其第二代纯固态激光雷达FTX获得美团Keeta Drone无人机配送业务的量产定点。

车规传感器进入低空，已经不再是“有没有可能”的问题，它已经在发生了。

一、自动驾驶和低空飞行，面对的是同一道物理题

先抛开应用场景的差异，回到物理层面。一辆以120km/h行驶在高速公路上的自动驾驶汽车，和一台以80-100km/h巡航在城市上空的物流无人机，它们的传感器面对的是高度相似的技术要求：

•在数百米范围内探测障碍物，并精确测量其距离、速度、方位；

•在雨、雾、夜间等低能见度条件下保持可用；

•对雷达截面极小的高危目标保持敏感，对汽车来说是车道内的细小障碍物，对无人机来说是直径不到2厘米的电线；

•在多台设备同时工作时避免相互干扰。

两者解决的核心问题本质上是一样的：在一个三维空间中，让机器实时、精确地“看见”周围的一切，并据此做出决策。

二、激光雷达：从“地面点云”到“空中点云”

激光雷达是这场技术迁移中最直观的切入点。它的工作原理不因载体变化而改变，同样是向环境发射激光脉冲，测量脉冲往返时间（Time of Flight, ToF），由此计算出每个反射点的三维坐标。数百万个这样的点聚合成一幅“点云”，就是机器看到的立体世界。

车载激光雷达在过去几年里完成了三个关键进化，而这三个进化恰好也是低空飞行场景最看重的：

1. 从机械旋转到固态/半固态

早期机械式激光雷达靠物理旋转的镜组实现360°扫描，结构上有一个“转塔”，体积大、功耗高、机械磨损不可避免。2018年前后，MEMS微振镜、转镜式、以及后来的Flash面阵激光雷达陆续商用，用微电子器件替代了宏观机械运动。

对低空飞行器来说，这个变化是决定性的。固态架构不仅体积和重量锐减（这对飞行器至关重要），更重要的是消除了高速旋转部件带来的振动和陀螺效应，对飞行器来说是至关重要的，自身的姿态控制已经够复杂了，不需要传感器再叠加一层旋转惯性。

2. 探测距离与分辨率的持续跃升

车载激光雷达的测距能力在过去几年持续突破。一个典型的车载前向激光雷达，探测距离已从早期100米级提升至200-300米（@10%反射率），水平视场角约120°。对120km/h的汽车，300米对应约9秒反应窗口。

这项进化直接惠及低空飞行场景。eVTOL巡航速度80-100km/h，同样200-300米的测距能力即可获得9-11秒的决策窗口，这与车载场景几乎持平，意味着飞行器在巡航阶段的前向感知可以直接复用车载规格，无需从零定义参数。

真正的增量在于，飞行器的感知空间是半球而非平面。汽车只需水平前向覆盖（±60°水平、±15°垂直），而飞行器在降落阶段需要俯视探测以确认下方地面无闯入障碍物。车载固态化的成果恰好解决了这个增量：固态激光雷达体积小、重量轻，一台飞行器可以在前、下、侧向部署多颗传感器，像搭积木一样拼接出完整的半球覆盖。这正是车规进化带来的工程红利，高密度点云和多角度覆盖不再是成本或重量的禁区。

分辨率方面，车载场景的小目标是行人（0.5-1米），低空场景则是电线（1-2厘米）。车载激光雷达角分辨率已推进至0.05-0.1°级别，这是年复一年的芯片迭代和光学设计积累的结果。这颗高分辨率“眼睛”搬到空中，让飞行器具备了检测电线级目标的硬件基础，车载量产的成果自然满足了这项苛刻需求。

3. 多回波技术与抗环境干扰

激光雷达在真实环境中最头疼的问题之一是“误报”。雨滴、雪花、扬尘、雾滴都会反射激光，在点云中产生噪声。

车载场景在过去五到十年里，已经将这个问题解决到了工程可用的程度。核心手段是多回波技术（Multi-Echo）：激光脉冲穿过雨雾时，会被多个颗粒先后反射，传感器收到一连串回波。成熟的信号处理算法可以自动区分“分散的颗粒散射”和“真实的障碍物回波”。最强回波标记障碍物，最后回波标记穿透后的真实背景距离。

这套方案对飞行器的价值在于，它不再是实验室里的原理验证，而是经过了数亿公里道路验证的成熟工程产物。无人机在100米空中突然遭遇团雾或降雨，周围无任何参照物可供交叉验证，感知系统必须在瞬间做出“前面有没有东西”的判断。车载上的从回波分类、虚警抑制到点云滤波这整套信号处理链路，都可以直接迁移到飞行平台。飞行级激光雷达对这项技术的要求虽然更严苛，但不需要从零开始研发，这正是"车规级"三个字的分量。

三、立体视觉：为什么“两只眼睛”在天空同样重要

纯视觉方案在低空场景中扮演的角色，和在地面自动驾驶中同样关键，甚至在某些维度上更重要。

双目/三目立体视觉的基本原理和人眼的深度感知机制完全相同：两个相隔一定距离的摄像头同时拍摄同一场景，通过视差计算出每个像素的深度信息。

在自动驾驶场景中，立体视觉的主要任务是：识别前方障碍物的类型（是人还是锥桶）、判断距离、提供语义级的场景理解（看懂路牌上的文字、理解交通标志的含义）。

放到低空飞行场景，这些任务的重要性没有降低，但是任务对象变了：

不再是红绿灯和车道线，而是电线、树枝、临时施工塔吊。这三类“小目标”的共同特点是：GPS地图上没有标注，对飞行器构成致命威胁，而且雷达截面极小。

不再是看到“前面有东西”就够了，而是需要判断“这个东西在我的降落路径上吗”。深度估计的精度，直接影响飞行安全。

双目基线校准、实时深度图生成、低光照下的增强算法，这些车载立体视觉模组在工程上积累的优势可以直接移植到无人机平台。区别仅在于，飞行平台对模组重量的容忍度更低，每克都要锱铢必较，以及需要针对“从空中俯视”的视角重新训练检测模型。

四、毫米波雷达：不能替代，不可或缺

激光雷达和摄像头有一个共同的弱点：在浓雾、暴雨等极端天气下，性能会显著下降。激光会被水滴散射产生噪声，摄像头则直接“看不见”。

毫米波雷达恰好填补了这个空缺。毫米波的波长（约4mm，对应77GHz频段）远大于可见光和近红外光，穿透雨雾颗粒的能力天然更强。同时，毫米波雷达通过多普勒效应直接测量目标的相对速度，不需要两帧之间的时间差推算，单次回波就能给出速度值。

车载4D毫米波雷达（可同时输出距离、方位角、俯仰角和速度）在2023-2025年间快速成熟，中国厂商如隼眼科技、美国得州奥斯汀的Uhnder等已推动芯片级方案量产。

传统3D雷达只能告诉你前方有障碍物但不知道它有多高，4D雷达在此基础上增加了关键的“俯仰角”维度，能区分“前方有一座立交桥（从下方可以通过）”还是“前方有一堵墙（不能通过）”。

低空飞行器中，毫米波雷达的定位通常是恶劣天气下的冗余感知层：当激光雷达和摄像头因天气降级时，毫米波雷达作为最后的可靠感知来源，保证飞行器至少能知道”前面有没有东西”。这种多层异构冗余的感知架构，本身就是从L4自动驾驶的安全设计中直接继承过来的理念。

五、场景差异：飞行，不是车轮上的自动驾驶

说完了技术共通性，也需要指出两者的关键差异。车规传感器不是“拿过来就能用”的，低空飞行场景对传感器提出了三个独特的额外要求：

1. 振动环境的差异

汽车的振动主要来自路面不平和发动机，频率偏低，通常在5-200Hz。然而飞行器的振动来自旋翼/螺旋桨的高速旋转和气流扰动，频率更高、振幅更小但持续性更强。传感器及其安装结构必须针对高频振动重新做减振设计，否则点云会出现周期性的抖动畸变。

2. 温湿度冲击

车载传感器的工作温度范围已经较宽，可达到-40°C到85°C，但飞行器面临的温湿度变化更剧烈。从地面35°C起飞，3分钟内爬升到300米高度，按标准大气的温度垂直递减率0.65°C/100m计算，环境温度下降约2°C。如果爬升至800-1500米，温降会达到5-10°C，加之环境本身的温度情况，传感器镜头的防雾涂层、内部密封结构都需要额外考虑这种“快速垂直穿越”带来的冷凝风险。

3. 电磁兼容

飞行器上密集安装了通信模块、飞控计算机、电机驱动器等多种电子设备，电磁环境远比汽车复杂。激光雷达和毫米波雷达对电磁干扰极为敏感，当设备被干扰后，表现出来的症状有时候并不是不工作，而是看起来在正常工作，但点云里多了几千个假点、或者结算出来的目标障碍物凭空位移了十几米。这种情况比单纯的设备失效更危险。

写在最后

车规传感器进入低空经济，逻辑上不是“换个市场碰碰运气”的投机故事，而是感知技术在两个相邻物理场景之间的自然溢出。两者面对的是同一道“三维空间实时感知”的工程题目，用到的传感器物理原理（ToF测距、立体视差、多普勒测速）在公路和低空之间不需要重新发明。

真正的工程挑战是在适配层面：视场角的重新设计、振动和冷凝的工程应对、以及飞行安全标准对感知可靠性提出的更高要求。

从这个角度看，2025年底禾赛和速腾聚创分别拿下的两项低空定点合作，或许只是这场“感知技术上行迁移”的早期信号。