1、精度標稱和實測差多少？

別光看宣傳頁寫的“0.02mm”，得盯緊測試條件：是實驗室恒溫靜止件？還是日常工況下對金屬曲面、反光件、暗色織物的重復掃描？真實穩(wěn)定精度才是硬指標，尤其在非貼點自由掃時，算法補償能力比鏡頭參數(shù)更關(guān)鍵。

2、軟件操作順不順手？

再好的硬件，配上的操作邏輯也白搭。比如拼接要不要手動選特征？自動配準失敗后能不能三步內(nèi)回退調(diào)整？實時可視化反饋夠不夠直觀——點云飄沒飄、邊緣銳不銳、色彩有沒有斷層，都得一眼看清，不然邊掃邊猜太耗神。

3、復雜表面掃得全不全？

黑、亮、薄、透、細紋——這些詞一出現(xiàn)，很多設(shè)備就開始“選擇性失明”。真正考驗實力的是對高難度材質(zhì)兼容性：比如噴漆汽車件的鏡面反光、鑄鋁散熱片的微槽結(jié)構(gòu)、硅膠密封圈的柔韌形變，能否一次抓全幾何+紋理？

4、移動中建模穩(wěn)不穩(wěn)定？

手持意味著晃動、變速、遮擋，SLAM算法不是擺設(shè)。要看它在無標記自由移動時，是否持續(xù)輸出連貫拓撲，而不是掃一段斷一段、靠后期暴力縫合。幀間匹配魯棒性，直接決定你現(xiàn)場返工幾次。

5、點云質(zhì)量扎實不扎實？

別被“億級點數(shù)”唬住，重點看原始點云密度均勻度和噪聲水平：邊緣有沒有毛刺？平面有沒有波紋？孔洞是算法補的還是真掃出來的？干凈致密的底層數(shù)據(jù)，才能撐起后續(xù)CAD比對、偏差分析、逆向建模等硬需求。