下游主要客户：车载领域，目前，在智能驾驶市场中，ADAS+ADS双轮驱动，激光雷达作为智能驾驶画龙点睛的产品，不可或缺。在高级辅助驾驶市场，激光雷达的成本不断下降，商业化进程有望提速，全球范围内L3级辅助驾驶量产车项目当前处于快速开发之中。世界各地交通法规的修订为L3级自动驾驶技术商业化落地带来机会。2020年6月通过的《ALKS车道自动保持系统条例》，这是全球范围内头一个针对L3级自动驾驶具有约束力的国际法规。随着激光雷达成本下探至数百美元区间且达到车规级要求，未来越来越多高级辅助驾驶量产项目将实现量产；根据Forst&Sullivan的研究报告，2021-2026E、2026E-2020E全球乘用车新车市场ADAS车辆销售CAGR有望达75.5%、30.5%，其中中国增速较高，分别为92.2%/29.3%。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。广东连续波激光雷达供应
激光雷达是20世纪60年代初次提出的一项技术， 随着应用的普遍，在过去的几年里，激光雷达经历了一轮新的繁荣进步和多行业使用，已迅速成为自动驾驶、无人机巡查、工业自动化等领域的关键技术。截至目前，我们已推出了好几款激光雷达AS系列产品，涵盖避障型、导航型以及导航避障一体型；具有测量精度高、扫描速度快、抗干扰能力强、体积小、重量轻、可靠性高等优势，是工业AGV、移动机器人、低速机器人的理想选择。每一种传感器基于各自的性能特点，都有其适合的应用场景。在实际特殊环境应用中，激光雷达也有着一些使用小技巧。北京车载激光雷达供应激光雷达在灾害救援中提供了准确的现场信息支持。
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。
LiDAR 数据通常在空中收集，如NOAA在加州大苏尔Bixby大桥上空的调查飞机（右图）。这里的LiDAR数据显示了Bixby大桥的俯视图（左上）和侧视图（左下）。NOAA的科学家使用基于LiDAR的装置检查自然和人造环境。LiDAR数据支持洪水和风暴潮建模、水动力建模、海岸线测绘、应急响应、水文测量以及海岸脆弱性分析等活动。此外，地形LiDAR使用近红外激光绘制地形和建筑物地图，而测深LiDAR使用透水绿光绘制海底和河床地图。在农业中，LiDAR可用于绘制拓扑图和作物生长图，从而提供有关肥料需求和灌溉需求的信息。轻巧身躯易嵌入，览沃 Mid - 360 为移动机器人外观一体化设计助力。
行业上游供应商，激光雷达产业链可以分为上游（光学和电子元器件）、中游（集成激光雷达）、下游（不同应用场景）。其中上游为激光发射、激光接收、扫描系统和信息处理四大部分，包含大量的光学和电子元器件。中游为集成的激光雷达产品，下游包括测绘、无人驾驶汽车、高精度地图、服务机器人、无人机等众多应用领域。激光器和探测器是激光雷达的重要部件，激光器和探测器的性能、成本、可靠性与激光雷达产品的性能、成本、可靠性密切相关。安防监控运用激光雷达实时监测，及时发现入侵异常情况。深圳雷达点云激光雷达
工业生产里激光雷达检测产品缺陷，高效保证产品质量。广东连续波激光雷达供应
反射强度，LiDAR 返回的每个数据中，除了根据速度和时间计算出的反射强度其实是指激光点回波功率和发射功率的比值。而激光的反射强度根据现有的光学模型，可以较好的刻画为以下模型。我们可以看到，激光点的反射率和距离的平方成反比，和物体的入射角成反比。入射角是入射光线与物体表面法线的夹角。时间戳和编码信息，LiDAR 通常从硬件层面支持授时，即有硬件 trigger 触发 LiDAR 数据，并支持给这一帧数据打上时间戳。通常会提供支持三种时间同步接口，IEEE 15882008同步，遵循精确时间协议，通过以太网对测量以及系统控制实现精确的时钟同步。广东连续波激光雷达供应
