机遇
激光雷达在智能机器生态系统中有很多机遇。与使用二维图像相比，点云能够更容易的被计算机使用，用于构建物理环境的三维形象——二维图像是人脑最容易理解的数据，而对于计算机来说，点云是最容易理解的。
Scanse的一款价值250美元的名为“sweep”的二维激光雷达扫描器可在户外使用，并专为移动、低功耗应用而设计。它只用了竞争对手近四分之一的成本，这将给这类传感器带来全新的应用（我们在很多其他类型的传感器中已经看到过这样的现象）。
二维激光雷达也可以被搭载到另一个旋转的
元件上以产生环境中完整的三维点云。
其他公司正在寻求降低系统成本的其他策略，例如Quanergy的固态激光雷达。该系统大体与上文已介绍的系统相同，然而，与使用旋转光学器件来移动光束不同的是，它们使用 “相控阵列光学系统”来引导激光脉冲的方向，它可以在某一方向上释放一个激光脉冲，而让下一个脉冲（1微秒之后）瞄准视野中的其它地方。
它能够实时关注视野范围内看似移动的物体，这是对人类驾驶员的模仿——后者能及时注意到即将进入汽车所行驶的道路的障碍物。
Quanergy系统被设计为能在没有机械移动的情况下做到这一点，并且每秒采样大约100万个数据点——这与64线旋转激光雷达的速度相当，却能显著降低成本。它另一个优势是更容易被集成在反光镜和保险杠等其他汽车部件上。
另外，更大和功率更高的系统也正在开发中，它可以从在3万英尺高度飞行的飞机上对地面成像，其分辨率足以能够看到地面上的车辆。虽然这些系统的市场需求更小，且成本更高，但其发展将继续降低传感器技术的整体成本。
挑战
由于激光雷达基于对激光脉冲返回传感器所需时间的测量，因此高反射率的表面会带来问题。大多数材料从微观水平上看表面粗糙，并且向所有方向散射光；这类散射光的一小部分返回到传感器，并且足以产生距离数据。然而，如果表面反射率非常高，光就会向远离传感器的方向散射，那么这一区域的点云就会不完整。
空气中的环境也可以对激光雷达读数造成影响。记录显示，大雾和大雨会减弱发射的激光脉冲而对激光雷达造成影响。为了解决这些问题，较大功率的激光器投入使用，但它对于较小的、移动或对功率敏感的应用来说并不是一个好的解决方案。
激光雷达系统面临的另一个挑战是旋转时的刷新率相对较慢。系统的刷新速率受复杂的光学器件旋转速度的限制。激光雷达系统最快的旋转速率大约是10Hz，这限制了数据流的刷新速率。
当传感器旋转时，以60英里/小时行驶的汽车在1/10秒内行进8.8英尺，因此传感器对于在汽车驶过期间在这8.8英尺内发生的变化基本上是看不清的。更重要的是，激光雷达覆盖的范围（在完美条件下）为100-120米，这对于以60英里/小时行驶的汽车来说仅相当于不到4.5秒的行驶时间。
也许对于激光雷达来说，高昂的设备成本是它需要克服的最大挑战。尽管自该技术得到应用以来其成本已大幅降低，但仍然是它被大范围采用的一个重要障碍。
对于主流汽车工业来说，一个价值2万美元的传感器将无法被市场接受。Elon Musk（特斯拉CEO）说：“我不认为它对于汽车的发展是有意义的，我认为它不是必须的。”
最后，虽然我们将激光雷达视为计算机视觉的一个组件，但点云却是完全基于几何呈现的。相反，人眼除了形状之外还能识别物体的其他物理属性，比如颜色和纹理。
现在的激光雷达系统不能区分纸袋和岩石之间的差别，而这本应是传感器理解和试图避开障碍物时考虑的因素。
