随着国家经济和科技实力的不断增强，我们国家己经从依靠劳动力为主的低端制造业转向人工智能技术产业，人工成本不断增加，人工供给不足等因素促使移动机器人行业的不断发展，未来中国将成为移动机器人制造和应用大国。目前，随着电子商务行业快速发展的背景下，货物量大幅度增加，仓储物流运转压力激增，促使移动机器人被广泛用于仓储物流。在仓储领域，移动机器人需要面对复杂的室内建筑环境以及动态物体对机器人定位的影响。复杂的环境对移动机器人在定位和地图构建中增加了许多挑战。

目前SLAM(SLAM, Simultaneous Localization Mapping)算法在机器人运动估计和建图应用中具有重要的地位，主流SLAM技术主要分为激光SLAM和视觉SLAM。由于2D激光雷达只能在一个平面内扫描，在如起伏、坡道等特别场景中便无法实现定位与地图构建，因此这类方法限于平面环境而无法适用于全地形环境。然而随着仓储物流量的增大，传统2D激光雷达难以满足要求。对于视觉SLAM，由于视觉易受光环境影响，如逆光、黑夜等都会使算法精度损失甚至崩溃，算法整体鲁棒性不强，存在安全隐患，仍处于研究阶段，不能满足仓储机器人全天运转的需求。

3D激光雷达是另一种可感知三维环境的传感器，它能直接获取三维点云数据，有测距精度高、受光线影响小、抗电磁干扰等特点。相比视觉，不需要对相机模型参数求解，基于点云的处理相比基于图像数据的处理较为容易。随着 3D 固态激光雷达技术的成熟与深度学习理论的深入发展，越来越多低成本激光雷达被民用化，同时将会有更加鲁棒的激光 SLAM 算法随之产生，以激光 SLAM 为基础的技术会被广泛地应用在仓储物流。

向前看，3D固态激光雷达必将取代传统2D激光雷达，成为人工智能多传感器融合中的必要一环，拥有这样的武器，AGV实力将更上一层。