目前的激光雷达，不光只有光探测与测量，更是一种集激光、全球定位系统（GPS）和IMU（InertialMeasurementUnit，惯性测量装置）三种技术于一身的系统，用于获得数据并生成精确的DEM（数字高程模型）。这三种技术的结合，可以高度准确地定位激光束打在物体上的光斑，测距精度可达厘米级，激光雷达较大的优势就是"精确"和"快速、高效作业"。随着激光雷达技术的进步与发展，星载激光雷达的研制和应用在20世纪90年代逐步成熟。2003年，NASA根据早先提出的采用星载激光雷达测量两极地区冰面变化的计划，正式将地学激光测高仪列入地球观测系统中，并将其搭载在冰体、云量和陆地高度监测卫星上发射升空运行。激光雷达在工业自动化中用于实时监测生产线上的物体的位置。深圳工业激光雷达价位
激光雷达能够准确输出障碍物的大小和距离，通过算法对点云数据的处理可以输出障碍物的3D框，如：3D行人检测、3D车辆检测等；亦可进行车道线检测、场景分割等任务。除了障碍物感知，激光雷达还可以用来制作高精度地图。地图采集过程中，激光雷达每隔一小段时间输出一帧点云数据，这些点云数据包含环境的准确三维信息，通过把这些点云数据做拼接，就可以得到该区域的高精度地图。在定位方面，智能车在行驶过程中利用当前激光雷达采集的点云数据帧和高精度地图做匹配，可以获取智能车的位置。安徽激光雷达制造商激光雷达的维护简单，降低了使用成本。
NDT 算法的基本思想是先根据参考数据（reference scan）来构建多维变量的正态分布，如果变换参数能使得两幅激光数据匹配的很好，那么变换点在参考系中的概率密度将会很大。然后利用优化的方法求出使得概率密度之和较大的变换参数，此时两幅激光点云数据将匹配的较好。由此得到位资变换关系。局部特征提取通常包括关键点检测和局部特征描述两个步骤，其构成了三维模型重建与目标识别的基础和关键。在二维图像领域，基于局部特征的算法已在过去十多年间取得了大量成果并在图像检索、目标识别、全景拼接、无人系统导航、图像数据挖掘等领域得到了成功应用。类似的，点云局部特征提取在近年来亦取得了部分进展
MEMS阵镜激光雷达优点：MEMS微振镜摆脱了笨重的马达、多发射/接收模组等机械运动装置，毫米级尺寸的微振镜较大程度上减少了激光雷达的尺寸，提高了稳定性；MEMS微振镜可减少激光发射器和探测器数量，极大地降低成本。缺点：有限的光学口径和扫描角度限制了Lidar的测距能力和FOV，大视场角需要多子视场拼接，这对点云拼接算法和点云稳定度要求都较高；抗冲击可靠性存疑；振镜尺寸问题：远距离探测需要较大的振镜，不但价格贵，对快轴/慢轴负担大，材质的耐久疲劳度存在风险，难以满足车规的DV、PV的可靠性、稳定性、冲击、跌落测试要求；悬臂梁：硅基MEMS的悬臂梁结构实际非常脆弱，快慢轴同时对微振镜进行反向扭动，外界的振动或冲击极易直接致其断裂。激光雷达的远程测量能力使其适用于大型工程监测。
激光雷达按照测距方法可以分为飞行时间（TimeofFlight，ToF）测距法、基于相干探测FMCW测距法、以及三角测距法等，其中ToF与FMCW能够实现室外阳光下较远的测程（100～250m），是车载激光雷达的好选择方案。ToF是目前市场车载中长距激光雷达的主流方案，未来随着FMCW激光雷达整机和上游产业链的成熟，ToF和FMCW激光雷达将在市场上并存。根据激光雷达按测距方法分类：ToF法：通过直接测量发射激光与回波信号的时间差，基于光在空气中的传播速度得到目标物的距离信息，具有响应速度快、探测精度高的优势。FMCW法：将发射激光的光频进行线性调制，通过回波信号与参考光进行相干拍频得到频率差，从而间接获得飞行时间反推目标物距离。FMCW激光雷达具有可直接测量速度信息以及抗干扰（包括环境光和其他激光雷达）的优势。轻巧易隐藏布置，览沃 Mid - 360 兼顾机器人美观与功能。障碍物入侵监测激光雷达厂家供应
凭借超广 FOV，览沃 Mid - 360 让移动机器人对复杂 3D 环境了如指掌。深圳工业激光雷达价位
激光雷达难点：当周边环境中存在透明介质 (如洁净水体) 时，位于透明介质内部或后方的目标能够被测到。由于光线在透明介质中会发生折射，被测目标实际上位于折射光路上，而测量结果则位于直线光路上，测量出的目标位置会发生偏差，此外，雷达也可能会收到两个反射回波，一个来自于透明介质内部或后方的实际目标表面的反射，另一个来自于不完全洁净的透明介质表面的漫反射，此时的测量结果不确定，有可能是介质表面，也可能是实际目标。深圳工业激光雷达价位
