对于激光的波长，目前主要使用使用波长为905nm和1550nm的激光发射器，波长为1550nm的光线不容易在人眼液体中传输。故1550nm可在保证安全的前提下较大程度上提高发射功率。大功率能得到更远的探测距离，长波长也能提高抗干扰能力。但是1550nm激光需使用InGaAs，目前量产困难。故当前更多使用Si材质量产905nm的LiDAR。通过限制功率和脉冲时间来保证安全性。技术原理，激光雷达探测的具体技术可以分为TOF飞行时间法与相干探测方法。其中ToF方法可以进一步区分为iToF和dToF方法；飞行时间（ToF）探测方法，通过直接计算发射及接收电磁波的时间差测量被测目标的距离；相干探测方法（如：FMCW），通过测量发射电磁波与返回电磁波的频率变化解调出被测目标的距离及速度。激光雷达的轻便设计使其便于携带和操作。河南工业激光雷达
线数，线数越高，表示单位时间内采样的点就越多，分辨率也就越高，目前无人驾驶车一般采用32线或64线的激光雷达。分辨率，分辨率和激光光束之间的夹角有关，夹角越小，分辨率越高。固态激光雷达的垂直分辨率和水平分辨率大概相当，约为0.1°，旋转式激光雷达的水平角分辨率为0.08°，垂直角分辨率约为0.4°。探测距离，激光雷达的较大测量距离。在自动驾驶领域应用的激光雷达的测距范围普遍在100~200m左右。测量精度，激光雷达的数据手册中的测量精度(Accuracy)常表示为，例如±2cm的形式。精度表示设备测量位置与实际位置偏差的范围。江苏傲览Avia激光雷达厂家览沃 Mid - 360 水平 360° 视场角，全角度感知周围环境无遗漏。
LiDAR还能够用于确定测量目标的速度。这可以通过多普勒方法或快速连续测距来实现。例如，可以使用LiDAR系统测量风速和车速。另外，LiDAR系统能够用于建立动态场景的三维模型，这是自动驾驶中会遇到的情形。这可以通过多种方式来实现，通常使用的是扫描的方式。LiDAR 技术中的挑战，在可实现的LiDAR系统中存在一些众所周知的挑战。这些挑战根据LiDAR系统的类型有所不同。以下是一些示例：隔离和抑制发射光束的信号——探测光束的辐射亮度通常远大于回波光束。必须注意确保探测光束不会被系统自身反射或散射回接收器，否则探测器将会因为饱和而无法探测外部目标。
有几个原因：我们这里说的激光雷达，是指 TOF 激光雷达，TOF 测距，靠的是 TDC 电路提供计时，用光速乘以单向时间得到距离，但限于成本，TDC 一般由 FPGA 的进位链实现，本质上是对一个低频的晶振信号做差值，实现高频的计数。所以，测距的精度，强烈依赖于这个晶振的精度。而晶振随着时间的推移，存在累计误差；距离越远，接收信号越弱，雷达自身的寻峰算法越难以定位到较佳接收时刻，这也造成了精度的劣化；而由于激光雷达检测障碍物的有效距离和较小垂直分辨率有关系，也就是说角度分辨率越小，则检测的效果越好。如果两个激光光束之间的角度为 0.4°，那么当探测距离为 200m 的时候，两个激光光束之间的距离为200m*tan0.4°≈1.4m。也就是说在 200m 之后，只能检测到高于 1.4m 的障碍物了。如果需要知道障碍物的类型，那么需要采用的点数就需要更多，距离越远，激光雷达采样的点数就越少，可以很直接的知道，距离越远，点数越少，就越难以识别准确的障碍物类型。Mid - 360 小巧体积，安装布置灵活，满足移动机器人多样安装需求。
我们可以根据 LiDAR 能描绘出稀疏的三维世界的特点，而扫描得到的障碍物点云通常又比背景更密集，通过分类聚类的方法可以利用其进行感知障碍物。而随着深度学习带来的检测和分割技术上的突破，LiDAR 已经能做到高效的检测行人和车辆，输出检测框，即 3D bounding box，或者对点云中的每一个点输出 label，更有甚者在尝试使用 LiDAR 检测地面上的车道线。在三维目标识别的对象方面，较初研究主要针对立方体、柱体、锥体以及二次曲面等简单形体构成的三维目标。景区导览借助激光雷达辅助车辆，为游客提供精确指引。江苏Hap激光雷达厂商
激光雷达在灾害救援中提供了准确的现场信息支持。河南工业激光雷达
国外厂商在激光器和探测器行业耕耘较久，产品的成熟度和可靠性上有更多的实践经验和优势，客户群体也更为普遍。国内厂商近些年发展迅速，产品性能已经基本接近国外供应链水平，并已经有通过车规认证（AEC-Q102）的国产激光器和探测器出现，元器件的车规化是车规级激光雷达实现的基础，国内厂商能够满足这一需求。相比国外厂商，国内厂商在产品的定制化上有较大的灵活性，价格也有一定优势。光学部件方面，激光雷达公司一般为自主研发设计，然后选择行业内的加工公司完成生产和加工工序。光学部件国内厂商的技术水平已经完全达到或超越国外供应链的水准，且有明显的成本优势，已经可以完全替代国外供应链和满足产品加工的需求。河南工业激光雷达
