辅助驾驶，在目前的L2/L3级高级辅助驾驶中，激光雷达可覆盖前向视场（水平视场角覆盖60°到120°）以实现自动跟车或者高速自适应巡航等功能。通过发射信号和反射信号的对比，构建出点云图，从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除了传统的障碍物检测以外，激光雷达还可以应用于车道线检测。优点在于测距远、精度高，获取信息丰富，抗源干扰能力强。自动驾驶，未来，L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。激光雷达是一种可以扫描周围环境并生成三维图像的传感器。它可以被用于识别障碍物、构建地图和定位车辆等应用场景。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求较高，在要求360°水平扫描范围的同时，对于低反射率物体的较远测距能力需要达到200m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。览沃 Mid - 360 探测距离可为 10cm，小盲区配合小巧体积，轻松实现无盲区覆盖。浙江轨旁入侵激光雷达厂家
点频，即周期采集点数，因为激光雷达在旋转扫描，因此水平方向上扫描的点数和激光雷达的扫描频率有一定的关系，扫描越快则点数会相对较少，扫描慢则点数相对较多。一般这个参数也被称为水平分辨率，比如激光雷达的水平分辨率为 0.2°，那么扫描的点数为 360°/0.2°=1800，也就是说水平方向会扫描 1800 次。那么激光雷达旋转一周，即一个扫描周期内扫描的点数为 1800*64=115200。比如禾赛 64 线激光雷达，扫描频率为 10Hz 的时候水平角分辨率为 0.2°，在扫描频率为 20Hz 的时候角分辨率为 0.4°（扫描快了，分辨率变低了）。输出的点数和计算的也相符合 1152000 pts/s。北京觅道Mid-360激光雷达供应激光雷达的实时性使其成为智能交通系统的重要组成部分。
脉冲同步（PPS），脉冲同步通过同步信号线实现数据同步。GPS同步（PPS+UTC），通过同步信号线和 UTC 时间（GPS 时间）实现数据同步。然后我们从 LiDAR 硬件得到一串数据包，需要过一次驱动才能将其解析成点云通用的格式，如 ROSMSG 或者 pcl 点云格式，以目前较普遍的旋转式激光雷达的数据为例，其数据为 10hz，即 LiDAR 在 0.1s 时间内转一圈，并将硬件得到的数据按照不同角度切成不同的 packet，以下便是一个 packet 数据包定义示意图。每一个 packet 包含了当前扇区所有点的数据，包含每个点的时间戳，每个点的 xyz 数据，每个点的发射强度，每个点来自的激光发射机的 id 等信息。
目前，LiDAR已普遍应用于各个领域。在大气科学中，LiDAR被用于空气质量监测和污染物检测；在天文学领域，LiDAR技术可用于观察行星表面地貌特征以及太阳系内其他天体的形态结构；在工程建设方面，利用LiDAR技术可以快速获取地形数据、制作数字高程模型（DEM）以及生成精确的三维地图；而在汽车领域中，人们普遍认为LiDAR是一项关键的光学距离感知技术，在自动驾驶领域得到了普遍应用。几乎所有投入自动驾驶研发的厂商都将LiDAR视为一项关键技术，并且已经有一些低成本、小体积的LiDAR系统被应用于高级驾驶辅助系统（Advanced Driver Assistance Systems, ADAS）。矿山开采中激光雷达监测地形变化，预防潜在地质灾害。
反射率，反射率是指物体反射的辐射能量占总辐射能量的百分比，比如说某物体的反射率是20%，表示物体接收的激光辐射中有20%被反射出去了。不同物体的反射率不同，这主要取决于物体本身的性质(表面状况），如果反射率太低，那么激光雷达收不到反射回来的激光，导致检测不到障碍物。激光雷达一般要求物体表面的反射率在10%以上，用激光雷达采集高精度地图的时候，如果车道线的反射率太低，生成的高精度地图的车道线会不太清晰。旋转扫描镜激光雷达，作为头一款量产的L3级别自动驾驶的乘用车——奥迪A8上搭载的激光雷达就是旋转扫描镜激光雷达。与机械旋转激光雷达不同的是，其激光发射模块和接收模块是不动的，只有扫描镜在做机械旋转。激光单元发出激光至旋转扫描镜（Mirror），被偏转向前发射（扫描角度145°），被物体反射的光经光学系统被左下方的探测器接收。优点：可车规，寿命长，可靠度高。缺点：扫描线数少，扫描角度不能到360度。激光雷达在气象观测中用于监测大气流动和降水情况。云南量子雷达激光雷达
环境监测时激光雷达追踪污染物，评估区域环境质量。浙江轨旁入侵激光雷达厂家
在实际应用中，很多时候并不知道点云之间的邻接关系。针对此，研究人员开发了较小张树算法和连接图算法以实现邻接关系的计算。总体而言，三维模型重建算法的发展趋势是自动化程度越来越高，所需人工干预越来越少，且应用面越来越广。然而，现有算法依然存在运算复杂度较高、只能针对单个物体、且对背景干扰敏感等问题。研究具有较低运算复杂度且不依赖于先验知识的全自动三维模型重建算法，是目前的主要难点。然而，如何在包含遮挡、背景干扰、噪声、逸出点以及数据分辨率变化等的复杂场景中实现对感兴趣目标的检测识别与分割，仍然是一个富有挑战性的问题。浙江轨旁入侵激光雷达厂家
