按应用领域划分
变电站、监狱、机场或军事禁区等关键设施，对周界安全有着极高的要求。传统的红外对射系统容易受飞鸟、落叶干扰产生误报；摄像头监控存在视觉盲区且夜视效果有限；物理围栏则无法防止攀爬或破坏。安保人员难以实现24小时无死角的有效监控，且误报频发导致巡查效率低下。
在散货港口或电厂煤场，斗轮堆取料机是庞然大物，作业半径极大。在全自动或远程作业过程中，悬臂极易与周围的煤堆、其他机械或车辆发生碰撞，导致严重的设备损毁。此外，港口海风由于含有盐雾且作业现场粉尘极大，普通的传感器探头极易失效，导致机器“致盲”。
轨道交通（如矿山小火车、地铁工程车或有轨电车）运行环境复杂，刹车距离长。在隧道昏暗环境或户外恶劣天气下，驾驶员难以通过肉眼及时发现轨道上的落石、侵入人员或停滞车辆。传统的视频监控受光照影响大，而毫米波雷达难以精确勾勒障碍物轮廓，极易发生严重的碰撞脱轨事故，造成巨大的人员财产损失。
港口码头是典型的全天候、非结构化户外场景。无人运输车（IGV/ART）在作业时，面临着复杂的光照挑战：正午的强眩光、夜晚的低照度以及积水地面的反光，都会严重干扰视觉相机的判断。此外，码头地面常散落着集装箱锁扣、维修工具或路锥等低矮细小物体，传统的单线激光雷达极易从物体上方“漏扫”，导致车辆碾压异物爆胎或受损，影响港口作业效率。
无人清扫车主要运行于公园、广场或人行道等户外场所。为了保证清洁覆盖率，车辆通常需要进行“贴边清扫”，即紧贴路沿行驶。这对感知的精度要求极高：既要识别路沿的位置以保持航向，又要防止轮毂剐蹭路沿。此外，户外环境光照变化剧烈（树荫、强光），且路面常有低矮的石墩、台阶（负障碍）或非刚性的垃圾（如成堆落叶），普通传感器难以稳定区分“可通行的垃圾”与“必须避让的障碍”。
无人配送车、无人清扫车等低速无人驾驶车辆通常在户外非结构化道路上运行。车顶的主激光雷达虽然看得远，但在车头下方存在较大的近距离盲区。对于低矮的障碍物（如路沿、宠物、锥桶）或路面坑洼（负障碍），主雷达往往难以发现。此外，户外强烈的阳光照射对传感器的抗干扰能力提出了极高要求，普通的深度相机容易在强光下失效。
在追求高密度存储的自动化立体仓库中，货架巷道通常设计得非常狭窄（VNA）。无人叉车在巷道内高速行驶时，若发生轻微跑偏，或者货架上有货物意外突出侵入通道，极易发生货物剐蹭货架或叉车卡死的事故。传统的单点测距传感器只能检测固定点位，无法覆盖整个侧面的立体空间，难以发现不规则的突出障碍物。
在密集存储的自动化仓库中，AGV/AMR需要在狭窄的货架巷道中高速穿梭。传统的2D激光雷达仅能扫描离地固定高度（如20cm）的单平面，存在巨大的垂直盲区。对于地面上低矮的障碍物（如掉落的快递盒、遗留的垫木）或略高于地面的悬空物（如货架底层伸出的托盘角），2D雷达往往“视而不见”。这导致机器人极易发生底盘剐蹭或货物碰撞，甚至撞击货架立柱引发严重的安全事故。
无人叉车在密集的仓储货架间运行时，面临着复杂的立体空间挑战。传统的2D避障雷达仅能扫描地面上方约20cm的平面，存在巨大的垂直盲区。对于悬空的货架横梁、半空伸出的货物、或是地面低矮的托盘，2D雷达往往“视而不见”。这导致叉车在行驶中极易发生门架碰撞悬空物、或是货物剐蹭周边设施的事故，不仅损坏昂贵的物流设备，更严重威胁现场人员安全。
在无人叉车的全流程作业中，“精准叉取”是失败率最高的环节。由于地面不平整、托盘摆放角度偏差或货物形变，仅靠车体导航定位往往无法保证货叉与托盘孔位的完美对齐。一旦偏差过大，货叉会撞击托盘立柱或推倒货物，导致严重的物流事故。传统的机械限位或2D雷达难以获取托盘断面的深度信息，无法应对姿态各异的托盘。
无人叉车在搬运货物高速行驶时，面临双重风险：一是货物安全，急停或转弯可能导致叠放的货物倾斜、滑落甚至倒塌；二是视野盲区，堆高的货物往往会遮挡车体下方传感器的视线，导致叉车“看不见”正前方的低矮障碍物或悬空物。若无法实时感知货物状态和盲区风险，极易造成严重的货物损毁或碰撞事故。
在现代化智能工厂，地面物流（AGV/AMR）与空中物流（行车、桁架机械手）的作业区域往往高度重叠。行车在吊运货物下降时，若下方有AGV突然闯入，极易发生严重的“泰山压顶”碰撞事故。同时，传统的AGV仅配备2D雷达，只能扫描地面，对于悬停在半空中的货物或正在下降的吊具完全“视而不见”，存在致命的垂直盲区隐患。
