本文首发于智驾最前沿微信公众号，9 月 15 日，禾赛在 InterGEO 2026 发布了面向高精三维建模的 MT 系列激光雷达，其中一个值得关注的变化，那就是将空间解析力放到了更核心的位置。

虽然这款激光雷达主要面向高精建模 / 高精度三维重建，并非乘用车自动驾驶主激光雷达，但仍有很多值得讨论的地方。

官方披露，MT 在 20 米距离下的光斑面积相比上一代 XT 缩小 70%，测距精度达到 3.5 mm。

提到这里，可能很多人会产生一个疑问，那就是激光雷达本来就是用来获取三维空间信息的，既然已经能够看见物体，难道还看不清细节吗？

其实对于激光雷达探测来说，看见一个物体和准确还原一个物体，并不是同一件事。

激光雷达看见之后

还差什么？

对于激光雷达来说，获取到一个目标的距离，只解决了测量目标在哪里的问题。

但在真正进行三维重建时，还需要知道物体的边缘、表面形状、相邻结构之间的距离，以及这些结构在空间中的相对位置。

特别是在管线、建筑边缘、设备接口、狭窄缝隙这类场景中，如果空间采样不够细，最终得到的点云虽然能够呈现目标的大致轮廓，却可能丢掉很多细节。

这里就涉及一个容易被忽略的概念，即空间解析力。

简单理解空间解析力，其关注的是激光雷达区分空间中相互接近结构的能力。

需要注意的是，空间解析力并不是一个可以由单一参数完全定义的统一指标，它其实是一组与光斑、测距精度、采样方式等相关的综合能力。

这也是为什么激光雷达不能只看点频。

点频决定单位时间能获取多少个点，但点多并不意味着细节一定更多；能否区分相邻结构，还取决于光斑大小、角分辨率、测距精度和采样方式。

如果单次采样覆盖的空间范围较大，相邻结构仍然可能被混合在一起。

在光斑大小和角分辨率不变的情况下，增加点数能够提高采样密度，却不一定改变系统区分两个相邻结构的能力。

所以，当目标从获取一个物体转向还原一个物体时，第一个需要解决的问题其实是相邻的细小结构，能不能在一次测量中被区分开？

为什么更小的光斑

是提高空间解析力的起点？

官方披露，MT 在 20 米距离下的光斑面积相比上一代 XT 缩小 70%。其用更小的光斑减少单个激光脉冲覆盖的区域，从而更精细地刻画物体边界和结构细节，并降低相邻目标之间的混合回波。

给大家简单理解一下更小光斑带来的好处。

激光雷达发射激光脉冲后，通过返回信号获得目标距离。如果一个光斑覆盖的空间范围比较大，那么同一个脉冲接触到多个相邻结构的可能性就会增加。

图片源自：禾赛

当管线、建筑转角、设备边缘等目标距离很近时，不同结构的回波更容易混合，最终点云中的边界也可能变得模糊。

光斑缩小之后，单次测量覆盖的区域变小，系统对细小结构的空间采样尺度也随之变小，更有利于分辨细节。

对于高精度三维建模来说，光斑缩小后更有机会把原本容易混在一起的结构区分出来。

但这里还有一个关键问题，即使两个相邻结构能够被分别采样，如果每个点的距离测量存在较大误差，那么这些点放回三维空间后，在距离 / 深度方向仍然可能出现位置偏差。

从分得开到定位准

为什么还需要更高测距精度？

小光斑解决的是细小结构能不能被更好地区分，但把结构分辨出来只是第一步。

如果每一个采样点的距离测量存在较大误差，那么这些点即使来自不同目标，放回三维空间之后仍然可能出现位置偏差。

对于建筑、工业设施这类需要精确还原几何结构的场景来说，这会进一步影响点云配准、拼接和三维重建。

因此，MT 将测距精度做到 3.5 mm。

禾赛官方公布的数据是，较上一代 XT 提升 30%，并将其与点云表面、几何轮廓和三维模型的准确还原联系起来。

这里需要先将前后两个技术点区分得更清楚些。

小光斑解决的是结构能不能分辨的问题，测距精度则解决的是分辨出来之后，距离 / 深度方向的位置能不能准确表达的问题。

大家可以想象一个场景，一座厂房内部可能同时存在大量管道、电缆、设备和支撑结构，它们之间的空间关系往往非常复杂。

激光雷达不仅要将这些结构分别采出来，还要尽可能准确地还原它们之间的距离、尺寸和相对位置，否则最终三维模型的价值就会受到影响。

但到这里，问题仍然没有完全解决。

即使单个点的空间位置足够准确，如果扫描过程中存在大量没有被采样到的区域，最终点云依然可能不完整。

从定位准到采得全

为什么还需要持续加密？

禾赛在官方介绍中，还提到了无限均匀加密扫描。

即随着扫描持续进行，不断向此前没有覆盖到的区域增加新的采样点，同时让点云分布更加均匀，减少局部过密、局部稀疏造成的数据缺口。

它解决的不是单点测量精度，而是空间采样的完整性和均匀性。

就譬如在密集森林中进行测量，树叶、枝干和地面之间存在大量遮挡和狭窄间隙，系统需要尽可能从这些空间关系中获取更多有效采样。

禾赛官方介绍称，MT 的小光斑能够减少混合回波，并提高对植被间隙的探测能力，从而获取冠层下方地形和多层植被结构的数据。

而在大型建筑、工业设施等场景中，持续扫描则可以不断补充此前没有覆盖充分的区域，让最终点云更加完整。

最后的话

这样看，就可以将 MT 的三个技术点连起来了。

小光斑，让细小结构更容易分辨；高测距精度，让分辨出来的结构在距离 / 深度方向更准确地定位；无限均匀加密扫描，让这些局部信息进一步形成更加完整、均匀的三维空间数据。

至此再看激光雷达的空间解析能力，并不只是点越多越好，还要同时解决结构分辨、几何准确和空间采样完整三个问题。