2021年，被誉为是激光雷达元年，搭载车规级固态激光雷达的量产车将在年内上市。
激光雷达作为一类全新的车载传感器，在无人驾驶、智能驾驶等领域不断普及，行业对于如何评价激光雷达的性能、检验3D点云质量的认知和标准也一直在深化。
最开始人们关注纸面上参数指标，如最远测距、分辨率、测距精度、视场角等等，后来工程师发现，测距不能单纯看纸面上最远测距数据，还必须看对于低反射率物体测距能力，比如一般认为黑色衣服反射率10%，专业人士都会问测距都会问对于10%物体的测量距离有多少，技术过硬的产商也会在参数表中标出，比如车规级固态激光雷达会标：“测距能力200m(150m@10%)”；测距精度也类似，会标出统计概率：“测距精度±3cm(1sigma)”。
激光雷达的参数指标固然重要，但这只是激光雷达性能的“基本功”，在复杂交通驾驶场景中，存在诸如高反物体、近处障碍物、阳光照射、多雷达对射等极端工况，这会对激光雷达点云成像带来一连串的异常，直接使后期算法产生误判，进而导致事故。RoboSense(速腾聚创)将这类工况称为激光雷达硬件的“Corner Case”，如何系统性识别并解决这些极端工况的困扰，这考验了激光雷达厂商产品性能的“上乘功夫”。
作为领先的智能固态激光雷达企业，RoboSense多年来就机械式的激光雷达与大量客户进行了交流。经过六年来积累了各种商业化路测场景，通过大面积分析和系统转化，研发了一系列解决此类问题的专利技术并成功导入固态车规级产品。以M1为例，RoboSense极力从产品侧消除业界棘手的难题，保障点云数据的安全可靠性。
高反“鬼影”和 “膨胀”
在实际驾驶场景，高反射率物体十分常见，比如交通指示牌，激光雷达对其反射回来的高强度回波非常敏感，容易在点云中形成“鬼影”和“膨胀”。
当一个真实高反物体进入激光雷达视场的任一区域时，输出的点云除了在该高反真实位置有成像以外还可能在其他方位也会成像一个形状大小类似“鬼影”。在不同场景中，不同类型激光雷达“鬼影”的行踪可能各不相同。
△左边大屏幕显示抗对射干扰的SOP版M1实时点云, 右边屏幕没有抗干扰的实时点云
点云质量锁定：参数指标优异
点云质量过硬的同时，测距方面，M1的最远探测可达200m，150m@10%反射率，可以准确稳定识别处于150米外的黑色车辆（车牌与车灯同时用黑布盖住）。M1的近场探测能力同样出色，即使是0.3米处的高反物体也能有效探测。
M1强大的测距能力，结合平均0.2°x0.2°分辨率，探测前方150米处的小轿车，依然可以获得“4根线13个点”的成像，远大于感知算法所需“2根线3个点”的检测阈值。同时，M1支持双回波功能，每秒最大出点数高达1,500,000点。
今年1月份揭晓的SOP版M1，测距能力、测距精度、视场角、盲区等基础性能的出厂检测指标已对齐车企标准并完全锁定，量产产品均按照以上性能指标批量出货。