每秒20万级点云成图，70米测量距离，360°全域覆盖，支持20万平米以上的大场景，扫描可选配3D高斯数据采 集模块，实现高保真实景还原。支持跨平台集成，配备高带宽网口及双USB 3.0接口，为科研实验提供灵活扩展 空间。降低开发门槛，助力开发者快速掌握研发能力，开启更多可能。 GeoScan S1设备自带手持Ubuntu系统和多种传感器设备，手柄集成了电源，可通过D-TAP转XT30母头输出至 GeoScan S1设备本体，给雷达、摄像头以及主控板提供电源。 基础版重建效果一览！ 使用门槛低 ：操作简单直观，一键启动即可 执行扫描作业 扫描结果导出即用 ：无需复杂部署和繁琐处理，扫 描结果导出即用 高效率高精度建图 ：模型精度高，行走之间轻松扫 描大场景 业内最优惠价格 ：性价比高，高度 集成多传感器， 往下翻~ 最强性价比3D激光扫描仪 面向工业场景和教研场景的 超高性价比3D扫描仪来了！GeoScan S1是国内目前最强性价比实景三维激光扫描 仪，轻量化设计，一键启动，便可拥有高效实用的三维解决方案。以多模态传感器融合算法为核心，实现厘米级 精度的三维场景实时重构。可广泛用于多种作业领域。 重磅！3DG ...

最强性价比3D激光扫描仪 | 雄厚背景&项目验证 | | --- | 面向工业场景和教研场景的 超高性价比3D扫描仪来了！GeoScan S1是国内目前最强性价比实景三维激光扫描 仪，轻量化设计，一键启动，便可拥有高效实用的三维解决方案。以多模态传感器融合算法为核心，实现厘米级 精度的三维场景实时重构。可广泛用于多种作业领域。 每秒20万级点云成图，70米测量距离，360°全域覆盖，支持20万平米以上的大场景，扫描可选配3D高斯数据采 集模块，实现高保真实景还原。支持跨平台集成，配备高带宽网口及双USB 3.0接口，为科研实验提供灵活扩展 空间。降低开发门槛，助力开发者快速掌握研发能力，开启更多可能。 同济大学刘春教授团队和西北工业大学产业化团队携手合作 多年科研和行业积累,上百个项目验证 GeoScan S1设备自带手持Ubuntu系统和多种传感器设备，手柄集成了电源，可通过D-TAP转XT30母头输出至 GeoScan S1设备本体，给雷达、摄像头以及主控板提供电源。 基础版重建效果一览！ 使用门槛低 ：操作简单直观，一键启动即可 执行扫描作业 扫描结果导出即用 ：无需复杂部署和繁琐处理，扫 描结果导出即 ...

政策发布 - 工信部发布《智能网联汽车组合驾驶辅助系统安全要求》征求意见稿 拟于2027年1月1日实施 [2][8] - 新国标由华为牵头制定 催化事件为"3·29铜陵小米SU7爆燃事故" [2] - 标准实施设置过渡期 新车型有13个月过渡期 已获批车型有25个月过渡期 [8] 技术标准要求 - 试验场景包含日间、夜间、逆光、隧道、施工区域及多种道路类型 [8] - 目标物涵盖机动车、行人、摩托车、异型车辆及临时障碍物 [8] - 试验开始距离设定为200米 对传感器探测能力提出高要求 [9] - 新增50CM纸箱障碍物探测场景 高度依赖高性能激光雷达 [1][5] - 包含7.4.7及7.5.8章节施工区域探测试验 复刻小米事故场景 [2] 行业影响 - 纯视觉方案面临挑战 特斯拉HW3.0/HW4.0均未通过测试 仅FSD 13测试版可行 [9] - 华为系车型成为目前唯一能通过所有试验场景的产品系列 [1][8] - 小米汽车召回116,887辆SU7标准版 因L2辅助驾驶在极端场景处置不足 [2] - 新规大幅提高L2准入难度 要求通过数十项场地测试才可申报功能 [8] - 推动多传感器融合方案成为行业趋势 纯视觉方案在复杂天气下存在局限 [9]

公司发展及财务表现 - 公司拟在境外发行H股并在香港联交所挂牌上市 [1] - 公司2024年营收6.17亿元 同比增长32.15% 净利润0.89亿元 同比增长15.60% [5] - 2025年上半年营收3.3亿元 同比增长16.26% 归母净利润5046.86万元 同比增长7.81% [6] - 公司于2022年6月14日在北交所上市 当前市值45亿元 [4] 公司业务及产品 - 公司成立于1999年 总部位于广州番禺 专注于超声波传感器和执行器研发生产 [2] - 主要产品包括测距传感器 流量传感器 压触传感器 雾化换能器 报警发声器等 [2] - 产品应用于智能汽车 智能仪表 智能家居 智慧安防 工业控制和消费电子等领域 [2] - 车载超声波传感器已进入国内汽车制造厂商前装供应链 [2] - AKⅡ车载超声波传感器满足功能安全要求 适配AVP-L2以上自动驾驶等级 具备测距更远 盲区更小等技术优势 [3] - 超声波流量传感器进入国际主流品牌智能水表和气表厂商供应链 [3] - 安防报警发声器应用于国际主流品牌安防报警系统 [3] 技术应用及市场机遇 - 超声波传感器在人工智能背景下被赋予新角色 特别是在机器人 自动驾驶和智能家居领域 [6] - 多传感器融合趋势中 超声波传感器作为低成本冗余传感器 与AI算法结合提升安全性 [7] - 在机器人领域 超声波传感器便宜且抗光照干扰 可成为大规模机器人市场的标准配置 [8] - 在智能家居领域 超声波传感器结合AI可实现存在检测和动作模式识别 [9] - 在医疗健康领域 AI+超声波传感器可用于非接触式呼吸 心跳和睡眠监测 [10] - 在智能交通领域 超声波传感器结合AI可实现车位检测和自动泊车功能 [11] - 超声波传感器低功耗 体积小 适合与AI芯片一起部署在边缘计算场景 [12] 行业竞争格局 - 超声波传感器行业头部企业主要来自德国和日本 包括倍加福 西克 巴鲁夫 博世 欧姆龙 基恩士 松下等 [2] 创始人背景 - 公司创始人张曙光生于1967年 1986年考入兰州大学物理系金属物理专业 [2] - 1992年进入传感器行业 拥有丰富的行业经验 公司一百多项专利中有一半与其相关 [2]

中国厂商IFA展会表现 - 中国厂商在2025年IFA展会展示音影、储能、笔记本电脑、智能家电等领域产品 技术实力突出 供应链完善 硬件工程师储备充足 [1] 庭院机器人市场竞争格局 - 欧美市场是庭院机器人核心战场 品牌云集竞争激烈 [2] - 欧洲用户对智能割草机器人接受度高 西欧国家渗透率从15%以下向30%-40%急速攀升 [2] - 库犸、追觅、科沃斯、MOVA等厂商展示硬件结构、导航算法、障碍规避及多草坪地形自适应切割等技术突破 [2] 石头公司产品布局 - 石头首次推出智能割草机器人 包括RockNeo Q1、RockMow S1和RockMow Z1三款 覆盖入门级到旗舰全价位市场 [4] - RockNeo Q1定位入门级 适用于中小型平整草坪 [6] - RockMow S1面向中等规模草坪 12小时割草面积达1000平米 采用两轮驱动方案 [6] - RockMow Z1旗舰机型采用RTK+视觉方案 单天作业覆盖5000平方米 四轮驱动爬坡能力更强 可应对80%坡度 攀爬6厘米障碍物 [6] - RockMow Z1将切割盲区缩小至3厘米 采用沿边跨边策略减少人工补修需求 [7] 技术路线发展 - 算法技术差异决定割草机智能化水平 多SKU产品线成为行业共识 [8] - 1000平米以下庭院适用纯视觉或视觉+RTK方案 激光雷达成为中小草场最优方案 [8] - 复杂地形大型草坪适用视觉+激光雷达融合系统 [10] - 激光雷达在1500平米以上草坪易出现点云稀疏问题 RTK存在卫星定位精准度问题 [10] - 库犸推出全球首款Tri-Fusion三重融合定位系统 整合激光雷达、RTK与视觉 实现±1厘米定位精度 无需物理边界线 [10][11] - 该系统已应用于LUBA mini AWD LiDAR割草机器人 老用户可免费升级 [11] 机械臂技术创新 - MOVA旗下NexLawn耐士劳推出带机械臂的Master X庭院护理机器人 机械臂伸展长度77厘米 最远触及1米距离 [15] - 机械臂可更换工具执行抓取杂物、修整边缘、浇水、采摘等任务 还具备与宠物互动的陪伴功能 [15] - 机械臂方案拓展功能边界但面临视觉算法精度、硬件集成难度和成本升高等挑战 [18] 泳池机器人市场竞争 - 元鼎智能Aiper发布Scuba V3泳池机器人 引入AI视觉识别20多种垃圾 整机重量7.5千克 支持无线充电 [19][21] - Scuba系列价格超过1000美元 反映AI视觉和无线清洁技术投入 [21] - 追觅展出Z2 Pro泳池机器人 搭载高精度传感器与自研算法 支持五种清洁模式和手机遥控 [21] - 库犸SPINO E1无线泳池清洁机器人主打高效清洁 性能接近传统高端机型 [25] 行业发展趋势 - 更多企业入局庭院赛道 行业面临市场竞争和整合压力 需构建全球化品牌影响力和下沉渠道能力 [25] - 欧美高端市场渐趋饱和 用户需求细分 本地化挑战和成本控制成为突围关键 [25]

自动驾驶技术路线之争 - Uber CEO支持激光雷达方案 认为成本低且安全系数高 而特斯拉CEO坚持纯视觉路线 认为多传感器会降低安全性[1] - 百度同样坚持激光雷达方案 认为其能更好保证行车安全 纯视觉技术尚处早期阶段[2] - 全球头部自动驾驶公司存在明显技术路线分歧 Waymo和百度采用多传感器融合 特斯拉坚持纯视觉方案[6] 特斯拉纯视觉方案分析 - 特斯拉在2019年采用8V1R12S方案 2021年取消毫米波雷达转向纯视觉 2022年推出纯视觉Occupancy方案[8] - 方案基于"人类仅靠双眼驾驶"的理念 依赖海量车队数据训练神经网络 形成数据闭环[8] - 采用低成本摄像头有助于降低整车成本 更利于方案大规模普及[8] - 但存在场景优化难题 包括恶劣天气与光照条件 准确距离感知 算法和数据依赖度过高等问题[9] - 曾发生多起事故 如2019年佛罗里达州致1死1伤事故 2023年宾夕法尼亚州撞卡车事故 2025年Robotaxi试运营擦碰事故[9] Waymo多传感器融合方案 - 采用13V+4L+6R多传感器融合方案 实现360度无死角感知 最远识别500米路况[12] - 通过逼真仿真器生成各类案例 在多模态感知中持续突破[12] - 在复杂路况下保持良好性能 每周付费服务量从2月20万次增长到4月底超25万次 平均每车每天约24次[12] - 出现重大事故概率较小 更多是人为破坏 如2025年抗议者打砸烧事件[12] 百度自动驾驶布局 - 2013年开始布局 2017年推出Apollo平台 2021年推出萝卜快跑服务平台[14] - 采用多传感器融合方案 典型车型传感器配置为4L12V5R-12S[16] - 2024年5月发布L4级自动驾驶大模型Apollo ADFM 安全性高于人类驾驶员10倍以上[16] - 总服务订单量超1100万次 总行驶里程超1.7亿公里 未发生重大安全事故 出险率为人类驾驶员1/14[16] - 积极拓展海外市场 2024年获香港自动驾驶测试牌照 2025年与迪拜合作部署超1000台无人车[17] - 2025年7月与Uber建立战略合作 将数千辆无人车接入Uber全球出行网络[18] 技术方案对比分析 - 多传感器融合方案在极端天气 光照 截断等场景下感知性能优于纯视觉方案[21] - 在nuScenes等数据集上 多模态融合方案在3D检测等任务上性能高于纯视觉5-10个百分点[22] - 激光雷达成本大幅下降 从十年前8万美元降至现在千元级别 萝卜快跑第六代无人车4颗激光雷达成本仅3.5万元人民币[24] - 国际测试显示配备激光雷达车型可避免25%碰撞事故 事故影响缓解能力提升29%[26] 激光雷达技术优势 - 最远感知距离达150-200米 最新产品可达300米 远超摄像头80-100米的有效距离[29] - 帧率达10-20Hz 部分产品提升至30Hz 与摄像头帧率保持一致[32] - 在暴雨环境中测距精度仅下降8%-12% 仍能准确识别50米内行人[34] - 具备三维感知能力 能准确判断目标高度 大小和位置信息[36] - 采用905nm或1550nm波长 抗干扰性强 配备疏水性镀膜和加热除雾模块[37] 市场应用情况 - 2025年比亚迪十余款车型将搭载禾赛激光雷达 采用3激光雷达或单激光雷达方案[42] - 奇瑞iCAR 零跑B10 理想i8等车型均搭载禾赛激光雷达 零跑B10将激光雷达硬件下探到12万级别[43] - 速腾聚创2024年销量达519,800台 成为全球乘用车激光雷达销量冠军[45] - 与全球30家整车厂及Tier1达成合作 定点车型超百款 包括比亚迪 极氪 上汽智己等[45] 政策与安全要求 - 工信部等部门开展智能网联汽车准入试点 明确L3 L4级别商业化路径[55] - 美国NHTSA要求2029年所有乘用车标配含行人AEB系统 欧洲日本有类似法规[55] - 国内2025年将自动紧急制动系统国标从推荐性升级为强制性[56] - 联合国R157法规要求L3级系统提供10秒接管缓冲期 依赖激光雷达超视距感知能力[56]

产品定位与核心优势 - 面向工业场景和教研场景的超高性价比3D扫描仪 定位为国内最强性价比实景三维激光扫描解决方案 [1] - 以多模态传感器融合算法为核心 实现厘米级精度的三维场景实时重构 [1] - 轻量化设计且一键启动 大幅降低开发门槛 助力开发者快速掌握研发能力 [1][5] 技术性能参数 - 每秒生成20万点云 支持70米测量距离及360°水平视角全域覆盖 [1][29] - 支持超20万平米大场景扫描 相对精度优于3cm 绝对精度优于5cm [1][22][30] - 采用微秒级同步模块 实现多传感器硬件同步触发 同步精度达微秒级 [23][34][35] - 配备Intel N5095处理器(4核2.0GHz) 16G内存/256G存储 支持Ubuntu 20.04及ROS系统 [22] 硬件配置特性 - 集成9DOF IMU、RTK定位模组(UM982)、激光雷达(Livox Mid-360)及双广角相机 [13][23] - 可选配Intel D435i深度相机及3D高斯采集模块 实现高保真实景还原 [1][23][50] - 采用航空铝外壳 整机重量1.9kg(含电池) 续航3-4小时 支持快拆弹夹电池(88.8Wh) [22][26] - 配备5.5寸触控屏 提供千兆网口、双USB 3.0接口及Micro SD扩展接口 [16][22][23] 应用场景与解决方案 - 适用于写字楼、停车场、工业园区、隧道、森林及矿场等复杂室内外场景 [38][46] - 支持跨平台集成 可适配无人机、无人车、机械狗及人形机器人等负载平台 [44] - 提供地理信息数据采集、施工精度监控及文化遗产修复等专业领域解决方案 [52][54] 产品版本与定价 - 基础版售价19800元 含主机、软件及RTK配件 [57][58] - 深度相机版售价23800元 增加深度相机模块 [57][58] - 3DGS在线版售价39800元 含高斯采集配件及两个月云服务(月续费5000元) [57][58] - 3DGS离线版售价67800元 含本地渲染软件 需客户自备高性能服务器 [57][58]

产品核心特点 - 国内最强性价比实景三维激光扫描仪 轻量化设计 一键启动 提供高效实用三维解决方案 [1] - 以多模态传感器融合算法为核心 实现厘米级精度三维场景实时重构 [1] - 每秒20万点云成图 70米测量距离 360°全域覆盖 支持20万平米以上大场景 [1] - 支持选配3D高斯数据采集模块 实现高保真实景还原 [1] - 支持跨平台集成 配备高带宽网口及双USB 3.0接口 为科研实验提供灵活扩展空间 [1] 技术参数 - 系统运行于Ubuntu 20.04 支持ROS 设备自带手持Ubuntu系统和多种传感器设备 [3][22] - 点云数量达20万点/秒 相对精度优于3cm 绝对精度优于5cm [22][29] - 尺寸14.2cm*9.5cm*45cm 重量1.3kg(不含电池) 续航时间约3-4小时 [22] - 采用Intel N5095处理器 4核2.0GHz 内存16G/硬盘256G 支持可拓展TF卡 [22] - 配备微秒级同步模组 同步精度达微秒级 支持硬件IO同步触发 [23] 传感器配置 - 集成激光雷达(Livox Mid-360) 深度相机(Intel D435i) RTK(T-RTK UM982 Mobile) [23] - 配备高精度IMU 频率最高800HZ 提供加速度 角速度 磁力计 姿态角数据包 [23] - 激光雷达25°倾斜角度安装 兼顾多个方位 无需反复采集 [15] - 采用9DOF IMU 双广角相机 深度相机 微秒级同步模块 [13] 供电系统 - 电池容量14.8V/6000mAh/88.8Wh 功率25W [22][26] - 电源输入13.8V-24V 支持D-TAP和USB-C多种供电方式 [22][26] - 手柄集成电源 通过D-TAP转XT30母头输出至设备本体 [3] 软件功能 - 支持三维点云地图动态构建 色彩融合 实时预览 [22] - 导出数据格式包括pcd las plv等多种通用格式 [22] - 提供快速建图程序 彩色点云建图 3D高斯采集功能 [42][43] - 支持RTK功能 需要注册账号并填写IP地址 端口号等信息 [43] 应用场景 - 广泛用于写字楼 停车场 工业园区 各类隧道 森林 矿场等工作环境 [38][46] - 支持跨平台集成 适配无人机 无人车 机械狗 人形机器人等多种负载平台 [44] - 适用于地理信息数据采集 城市规划 文昌监测等领域 [52] - 可用于监控工程数据 确保施工精度并降低返工 [54] 版本与定价 - 基础版本售价19800元 深度相机版本23800元 [57] - 3DGS在线版本39800元(云服务续费5000/月) 3DGS离线版本67800元 [57][58] - 标配版包含GeoScan S1主机 软件 RTK配件 在线用户手册 [58] - 升级版增加深度相机 3DGS版本额外包含备用电池 3D高斯采集配件 [58] 研发背景 - 由同济大学刘春教授团队和西北工业大学产业化团队携手合作 [9] - 基于多年科研和行业积累 经过上百个项目验证 [9] - 设备采用航空铝外壳 配备5.5寸触控屏(1280x720分辨率) [22]

社区定位与愿景 - 致力于推动自动驾驶与AI行业发展，成为企业与高校间的沟通桥梁 [1] - 愿景是让AI与自动驾驶技术普及至有需求的学生群体 [1] - 已梳理40+技术路线，覆盖行业应用咨询、VLA基准测试、综述及学习路线等方向 [1] - 邀请数十位来自产业界与学术界的一线专家担任嘉宾，提供答疑服务 [1] 核心资源与内容体系 - 提供学术前沿内容、工业界圆桌讨论、开源代码方案及求职信息 [3] - 汇总40+开源项目、60+自动驾驶数据集及主流仿真平台 [13] - 技术学习路线涵盖感知、仿真、规划控制、端到端、3DGS原理等方向 [13] - 整理国内外高校自动驾驶团队及企业名单，包括上海交大、CMU、蔚小理、华为等机构 [13][21][23] 技术专题覆盖 - **端到端自动驾驶**：涵盖综述、里程碑方法、纯视觉/多模态方案、世界模型结合等细分方向 [31][20] - **3DGS与NeRF**：聚焦算法原理、场景重建、闭环仿真及感知应用 [33] - **世界模型**：汇总技术前沿与工业落地应用 [35] - **视觉语言模型(VLM)**：包括最新综述、开源数据集及量产方案DriveVLM [37] - **BEV感知**：梳理纯视觉/多模态方案、多任务学习及工程部署 [44] - **3D目标检测**：覆盖环视、range-view、voxel-based及多模态方法 [46] 行业活动与互动 - 举办超100场专业直播，嘉宾来自清华大学、上海人工智能实验室等机构，分享VLA、3D检测等前沿工作 [76] - 成员可自由提问职业规划、研究方向等问题，获得行业大佬解答 [77] - 社区成员来自国内外顶尖高校与企业，形成技术交流与求职对接平台 [13][18] 求职与职业发展支持 - 提供自动驾驶岗位推荐与企业对接服务 [18] - 汇总主机厂、供应商（如理想、Momenta）的offer选择建议，涵盖薪资、技术氛围等维度 [80] - 分析行业趋势，如2025年VLA技术热点及量产挑战 [39][80] 学习资源整合 - 整理自动驾驶与CV领域经典书籍，涵盖数学基础、深度学习、运动规划等主题 [25] - 开源数据集分类包括通用CV数据集、感知数据集及多模态大模型专用数据集 [29] - 实战方向覆盖模型压缩、部署优化、CUDA编程等工程化内容 [61][63]

社区定位与价值主张 - 专注于为自动驾驶领域学生和从业者提供技术交流平台 特别关注双非院校学生在算法方向的就业困难问题 [2][3] - 通过知识星球社区构建产业、学术、求职、问答交流的闭环生态 已整合40+技术路线和数十位行业嘉宾资源 [6] - 社区成员覆盖国内外顶尖高校（上海交大、北京大学、CMU等）和头部企业（蔚小理、地平线、华为等）形成高端技术聚集地 [17] 技术资源体系 - 系统化整理近40+开源项目、60+数据集及主流仿真平台 涵盖感知、规划控制、仿真等全栈技术方向 [17] - 详细梳理前沿技术领域包括端到端自动驾驶（覆盖综述、里程碑方法、多模态方案等10个子类） [24][35] - 提供VLA（视觉语言模型）全链路资源 包含开源数据集、思维链推理及量产方案DriveVLM等关键技术 [41][43] - 整合3DGS与NeRF技术 涵盖算法原理、自动驾驶场景重建与闭环仿真等应用 [37] 实战与就业支持 - 设计100问系列实战专题 包括TensorRT模型部署、毫米波雷达融合、规划控制等7大方向工程化问题 [8] - 定期组织行业大佬直播分享 已完成超100场专业技术直播 涵盖VLA、3D检测、扩散模型等热点话题 [80] - 提供企业岗位对接服务 覆盖蔚小理、华为、大疆等头部公司 并针对应届生offer选择提供详细对比分析 [84] 细分技术模块 - BEV感知领域整合纯视觉、多模态方案及工程部署资源 形成量产方案技术基石 [48] - 多传感器融合方向涵盖强融合/弱融合/后融合方案 以及Lidar/Radar/Camera具体实施路线 [8][52] - 规划控制模块包含基于搜索/采样/数值优化的算法 以及横纵解耦与联合规划框架 [17] - 仿真技术汇总Carla、Apollo、Autoware等平台 并扩展闭环仿真与传感器仿真能力 [8][76]