激光雷达（Lidar）光束范围很窄，所以需要更多的纵向光束，以覆盖大的面积，所以线束决定着画面大小，扫描再通过返回的时间测量距离，并精确、快速构建模型，相比目前的其他雷达强太多，所以更适合自动驾驶系统，但也同样易受天气影像，成本较高。转镜：转镜分为一维转镜和二维转镜。一维转镜通过旋转的多面体反射镜，将激光反射到不同的方向；二维转镜顾名思义内部集成了两个转镜，一个多边棱镜负责横向旋转，一个负责纵向翻转，实现一束激光包揽横纵双向扫描。转镜激光雷达体积小、成本低，与机械式激光雷达效果一致，但机械频率也很高，在寿命上不够理想。从 2D 升至 3D 感知，Mid - 360 提升移动机器人室内感知与运维效率。湖南自动驾驶激光雷达
关于实际量程：雷达对特定目标的实际量程会受到如下因素的影响：1、目标漫反射率，目标漫反射率不但与材质有关，也与表面朝向有关。目标漫反射率越高，实际量程就越远；2、反射面积，目标表面被激光光斑覆盖的面积。覆盖面积越大，实际测量距离越远；3、透光罩脏污程度，雷达的透光罩脏污会造成透光性能下降，透光性能下降得越多，测量能力越差，透光率下降至 60%时，测量能力可能完全失效；4、大气条件，雷达的实际测量能力同时受到大气条件的影响，特别是在户外工作时。大气的光传播能力越差，雷达的实际测量能力越低。在极端天气条件 (例如浓雾)下，测量能力会完全失效。天津傲览Avia激光雷达激光雷达的扫描模式多样，适应不同场景的需求。
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。
相比于半固态式和固态式激光雷达，机械旋转式激光雷达的优势在于可以对周围环境进行360°的水平视场扫描，而半固态式和固态式激光雷达往往较高只能做到120°的水平视场扫描，且在视场范围内测距能力的均匀性差于机械旋转式激光雷达。由于无人驾驶汽车运行环境复杂，需要对周围360°的环境具有同等的感知能力，而机械旋转式激光雷达兼具360°水平视场角和测距能力远的优势，目前主流无人驾驶项目纷纷采用了机械旋转式激光雷达作为主要的感知传感器。360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。
如今，LiDAR经常用于创建所处空间的三维模型。自主导航是使用LiDAR系统生成的点云数据的应用之一。微型LiDAR系统甚至能够嵌入在手机大小的设备中。LiDAR 在现实世界中如何发挥作用，自主导航中的态势感知是LiDAR的一个较引人入胜的应用。任何移动车辆的态势感知系统都需要同样了解其周围的静止和移动物体。例如，雷达技术长期以来用于探测飞机。对于地面车辆，已经发现LiDAR非常有用，因为它能够确定物体的距离并且在方向性上非常精确。探测光束能够在角度上精确定向并快速扫描，据此创建三维模型点云数据。因为车辆周围的情况是高度动态的，所以快速扫描能力对这类应用至关重要。体育赛事上激光雷达追踪运动员，辅助赛事分析评估。轨道交通激光雷达供应商
抗室外强光达 70 米 @80% 反射率，览沃 Mid - 360 适应多种光照条件。湖南自动驾驶激光雷达
泛光面阵式（FLASH），泛光面阵式是目前全固态激光雷达中较主流的技术，其原理也就是快闪，它不像 MEMS 或 OPA 的方案会去进行扫描，而是短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。我们以目前较为成熟的车载 MEMS 式激光雷达为例，讲解其关键的硬件参数。这主要是因为激光发射器和接收器不能做在一起导致的，此方案本身便存在小量的误差。现在很多方案，都是向着共轴努力。激光雷达的测距精度，随着距离的变化而变化。湖南自动驾驶激光雷达
