隨著國家經濟和科技實力的不斷增強，我們國家己經從依靠勞動力為主的低端制造業轉向人工智能技術產業，人工成本不斷增加，人工供給不足等因素促使移動機器人行業的不斷發展，未來中國將成為移動機器人制造和應用大國。目前，隨著電子商務行業快速發展的背景下，貨物量大幅度增加，倉儲物流運轉壓力激增，促使移動機器人被廣泛用于倉儲物流。在倉儲領域，移動機器人需要面對復雜的室內建筑環境以及動態物體對機器人定位的影響。復雜的環境對移動機器人在定位和地圖構建中增加了許多挑戰。

目前SLAM(SLAM, Simultaneous Localization Mapping)算法在機器人運動估計和建圖應用中具有重要的地位，主流SLAM技術主要分為激光SLAM和視覺SLAM。由于2D激光雷達只能在一個平面內掃描，在如起伏、坡道等特別場景中便無法實現定位與地圖構建，因此這類方法限于平面環境而無法適用于全地形環境。然而隨著倉儲物流量的增大，傳統2D激光雷達難以滿足要求。對于視覺SLAM，由于視覺易受光環境影響，如逆光、黑夜等都會使算法精度損失甚至崩潰，算法整體魯棒性不強，存在安全隱患，仍處于研究階段，不能滿足倉儲機器人全天運轉的需求。

3D激光雷達是另一種可感知三維環境的傳感器，它能直接獲取三維點云數據，有測距精度高、受光線影響小、抗電磁干擾等特點。相比視覺，不需要對相機模型參數求解，基于點云的處理相比基于圖像數據的處理較為容易。隨著 3D 固態激光雷達技術的成熟與深度學習理論的深入發展，越來越多低成本激光雷達被民用化，同時將會有更加魯棒的激光 SLAM 算法隨之產生，以激光 SLAM 為基礎的技術會被廣泛地應用在倉儲物流。

向前看，3D固態激光雷達必將取代傳統2D激光雷達，成為人工智能多傳感器融合中的必要一環，擁有這樣的武器，AGV實力將更上一層。