原理，激光雷達（ Light Detection and Ranging，LIDAR）是激光檢測和測距系統的簡稱，通過對外發射激光脈沖來進行物體檢測和測距。激光雷達采用飛行時間（Time of Flight，TOF）測距，發射器先發送一束激光，遇到障礙物后反射回來，由接收器接收，然后通過計算激光發送和接收的時間差，得到目標和自己的相對距離。如果采用多束激光并且360度旋轉掃描，就可以得到整個環境的三維信息。激光雷達掃描出來的是一系列的點，因此激光雷達掃描出來的結果也叫“激光點云”。智能停車系統憑借激光雷達檢測車位，實現快速引導。湖南割草機激光雷達

NDT 算法的基本思想是先根據參考數據（reference scan）來構建多維變量的正態分布，如果變換參數能使得兩幅激光數據匹配的很好，那么變換點在參考系中的概率密度將會很大。然后利用優化的方法求出使得概率密度之和較大的變換參數，此時兩幅激光點云數據將匹配的較好。由此得到位資變換關系。局部特征提取通常包括關鍵點檢測和局部特征描述兩個步驟，其構成了三維模型重建與目標識別的基礎和關鍵。在二維圖像領域，基于局部特征的算法已在過去十多年間取得了大量成果并在圖像檢索、目標識別、全景拼接、無人系統導航、圖像數據挖掘等領域得到了成功應用。類似的，點云局部特征提取在近年來亦取得了部分進展江蘇Hap激光雷達渠道Mid - 360 距離探測可為 10cm，小盲區助力嵌入式無盲區安裝。

回波模式，即周期采集點數，因為激光雷達在旋轉掃描，因此水平方向上掃描的點數和激光雷達的掃描頻率有一定的關系，掃描越快則點數會相對較少，掃描慢則點數相對較多。一般這個參數也被稱為水平分辨率，比如激光雷達的水平分辨率為 0.2°，那么掃描的點數為 360°/0.2°=1800，也就是說水平方向會掃描1800次。次。同一輪發光測距的不同回波數據，比如同時包含較強回波和較晚回波。有效檢測距離，激光雷達是一個收發異軸的光學系統（其實所有的機械雷達都是），也就是說，發射出去的激光光路，和返回的激光光路，并不重合。

激光雷達在ADAS應用：海內外持續發展，2025年全球市場規模有望達6.2億美元。2020年10月，百度在北京全方面開放無人駕駛出租車服務，在13個城市部署總數測試車輛，并且與一汽紅旗合作實現了中國首條L4級自動駕駛乘用車生產線建設，具備批量生產能力。根據Forst&Sullivan研究估計，2026年ADAS領域使用激光雷達產業規模有望達12.9億美元。其中，中國、美國、其他地區分別為6.7/3.5/2.7億美元。2030年ADAS領域使用激光雷達產業規模有望達64.9億美元，其中中國、美國、其他地區分別為32.5/13.0/19.5億美元。具備出色抗強光能力，覽沃 Mid - 360 室內外環境切換性能無縫銜接。

要知道光速是每秒30萬公里。要區分目標厘米級別的精確距離，那對傳輸時間測量分辨率必須做到1納秒。要如此精確的測量時間，因此對應的測量系統的成本就很難降到很低，需要使用巧妙的方法降低測量難度。首先，我們需要明確，激光雷達并不是單獨運作的，一般是由激光發射器、接收器和慣性定位導航三個主要模塊組成。當激光雷達工作的時候，會對外發射激光，在遇到物體后，激光折射回來被CMOS傳感器接收，從而測得本體到障礙物的距離。從原理來看，只要需要知道光速、和從發射到CMOS感知的時間就可以測出障礙物的距離，再結合實時GPS、慣性導航信息與計算激光雷達發射出去角度，系統就可以得到前方物體的坐標方位和距離信息。激光雷達的設計優化提高了其在復雜環境中的可靠性。北京livox激光雷達

激光雷達的功耗低，延長了設備的使用壽命。湖南割草機激光雷達

在體積限制下，Flash激光雷達的功率密度不能很高。因此，Flash激光雷達目前的問題是，由于功率密度的限制，無法考慮三個參數：視場角、檢測距離和分辨率，即如果檢測距離較遠，則需要放棄視場角或分辨率；如果需要高分辨率，則需要放棄視場角或檢測距離。Flash激光雷達采用面光源泛光成像，其發射的光線會散布在整個視場內，因此不需要折射就可以覆蓋FOV區域了，難點在于如何提升其功率密度從而提升探測精度和距離，目前通常使用VCSEL光源組成二維矩陣形成面光源。湖南割草機激光雷達