按应用领域划分
在现代化的电商仓库或柔性制造车间，物流路径复杂多变，传统的磁条或二维码导航方式施工繁琐、路线僵化，已无法满足“柔性生产”的需求。新一代移动机器人需要具备SLAM自然导航能力，即在没有任何辅助标记的环境中自主定位与规划路径。同时，仓库内人机混流，货物摆放动态变化，机器人必须具备灵敏的自主避障能力，防止碰撞货架或人员，确保持续高效作业。
在电商分拣或物料搬运现场，大量的潜伏式AGV需要在狭窄的货架通道中高速穿梭，人机混流作业常态化。传统的机械防撞条只能在发生接触后触发，属于“事后补救”，无法避免碰撞损伤；而普通的红外传感器探测距离短、受光线干扰大，难以发现深色衣物的人员或黑色障碍物。此外，AGV在狭窄通道转弯时，固定形状的探测区域极易扫描到两侧货架立柱，导致频繁误报警停车，严重影响物流效率。
在自动化仓储物流中，无人叉车往往需要在狭窄的货架巷道内和繁忙的转运区间穿梭作业。传统的激光反射板导航需要在墙面和货架上安装大量反射柱，施工繁琐且维护成本高，一旦货架位置变动，导航系统就需重构。此外，叉车自重大、惯性强，若在行驶中未能及时识别突然出现的人员或散落货物，极易引发严重的安全事故或货架倒塌。
在酒店、写字楼或医院等商业场景中，服务机器人需要在人流密集、环境多变的走廊与大厅中自主穿梭。传统的磁条导航破坏装修风格，不被允许；而视觉导航易受光照变化影响。此外，商业环境充斥着玻璃幕墙、大理石地面（高反光）以及深色地毯（高吸光），且随时可能出现奔跑的儿童或临时摆放的行李。机器人不仅要实现精准的无轨导航，更必须具备灵敏的避障能力，确保在与人近距离交互时的绝对安全，同时还要保持机身的纤薄美观。
在自动化产线或立体库中，RGV（有轨穿梭车）承担着高频次的直线物料转运任务。由于RGV通常载重大、运行速度快且制动惯性大，一旦运行通道内有人员误入或有异物掉落（如托盘碎片、货物），车辆无法转向避让，极易发生恶性碰撞事故。传统的接触式防撞杆仅能在碰撞发生瞬间触发，无法提供足够的缓冲距离来消除巨大的运动惯性，设备损坏与停线风险极高。
在煤矿或港口的散料发运环节，装车效率直接影响物流吞吐量。传统的溜槽装车往往依赖操作员经验进行“盲装”，极易出现偏载（货物分布不均）、欠载（空间浪费）或超高溢出（环境污染与安全隐患）。如果装载不均，车辆行驶易侧翻；如果装载过满，不仅造成撒料浪费，还面临严厉的环保和路政处罚。如何在粉尘弥漫的环境下实现“装得满、装得平、不撒料”，是实现无人化装车站的核心难题。
在生物质发电厂，秸秆、树皮等燃料通常按重量收购。但由于燃料密度差异大、含水率不一，仅靠地磅称重容易出现“注水掺假”或“以次充好”（如由高密度重物冒充轻质燃料）的情况，导致电厂亏损。此外，运输车辆往往装载极不规范（如超宽、超高堆叠），人工测量不仅效率低下、数据误差大，还极易因车辆超限导致卸料口设备损坏或发生安全事故。
铁路作为国民经济的大动脉，其安全运行至关重要。然而，沿线复杂的地理环境使得落石、泥石流、闯入的行人或动物等“异物侵限”风险时刻威胁着行车安全。传统的视频监控易受光照、雨雪干扰，难以实现全天候精准识别；而人工巡检效率低、覆盖面有限。如何构建一道全天候、无死角的“隐形防护网”，在异物侵入的第一时间发出警报，是铁路安全运营的迫切需求。
无人叉车在繁忙的仓储或工厂环境中穿梭，面临着极为复杂的地面情况。低矮的障碍物（如散落的托盘、货物）、突然出现的人员脚部以及狭窄通道内的货架支腿，都是行车安全的巨大隐患。传统的单雷达方案往往存在车头两侧的“视觉盲区”，尤其在车辆转弯时，极易发生侧向刮擦或碰撞事故，导致停机维修甚至人员受伤。
针对 ETC 车道传统地感线圈破路施工中断交通、维护难故障率高、易受干扰导致跟车漏车、功能单一无法升级的痛点，以及 “不破路安装、精准检测、稳定运维、拓展功能” 的核心需求，ETC 激光线圈提供升级方案。
站台端部连接着列车运行区间，是严禁旅客进入的高危区域。然而，部分旅客由于安全意识淡薄或因接打电话等原因，常常无意越过安全黄线甚至进入端部禁区，不仅自身面临巨大的安全风险，还可能逼停列车，严重影响铁路运输秩序。传统的物理隔离或人工劝阻方式，存在覆盖盲区大、响应滞后、人力成本高等问题，难以实现24小时全天候的有效管控。
铁路平交道口是路外安全事故的高发区，人车抢行、车辆故障滞留等险情时有发生。传统的“看守员+栏木机”模式难以完全杜绝违规闯入，而基于视频的监控方案极易受强光、夜间、雨雾干扰，存在识别盲区和延迟。一旦发生异物侵限，如果不能在几秒钟内准确感知并发出警报，高速行驶的列车往往来不及制动，极易酿成重大安全事故。
