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。采用主动抗串扰设计，览沃 Mid - 360 在多雷达环境下稳定运行互不干扰。北京车载激光雷达厂家
肺炎刺激服务型机器人市场发展，2030 年激光雷达该领域规模预计达到 16.7 亿美元。服务型机器人主要应用范围包括无人配送、无人清扫、无人仓储、无人巡检等。面对肺炎，无人配送能够避免人与人的不必要接触，减少交叉传染概率。2019 年 12 月，美国自动驾驶送货科技公司 Nuro 宣布与零售巨头 Kroger 合作，在休斯顿为顾客提供无人送货服务。2020年 7 月，京东物流无人配送研究院项目落户常熟高新区，其无人配送车也正式上线。2020 年10 月，美团正式发布位于北京首钢园区的智慧门店 MAIShop，集成了无人微仓与无人配送服务。根据禾赛科技公开招股书援引沙利文研究预测，伴随全球服务型机器人出货量的增长以及激光雷达在服务型机器人领域渗透率的提升，至 2026 年激光雷达在该细分市场预计达到4.7 亿美元市场规模，2021 年至 2030 年的复合增长率可达 71.5%。机械式激光雷达正规仓储管理运用激光雷达清点库存，提高货物盘点效率。
分类，激光雷达按结构不同大致可以分为：机械旋转激光雷达、混合半固态激光雷达和全固态激光雷达（Flash快闪和OPA相控阵，统称为非扫描式）。（一）机械旋转激光雷达，机械式激光雷达体积大、成本较高、装配难。它通过旋转实现横向360度的覆盖面，通过内部镜片实现垂直角度的覆盖面，同比有着更耐用稳定的特点，所以我们看到的自动驾驶路试车大多采用这种类型，雷达在车顶不停的在旋转完成横向扫描，靠增加激光束，实现纵向宽泛的扫描。（二）混合半固态激光雷达。按照扫描方式分为：转镜、硅基MEMS、振镜+转镜、旋转透射棱镜。
参数指标：（一）视场角，视场角决定了激光雷达能够看到的视野范围，分为水平视场角和垂直视场角，视场角越大，表示视野范围越大，反之则表示视野范围越小。以图3中的激光雷达为例，旋转式激光雷达的水平视场角为360°，垂直视场角为26.9°，固态激光雷达的水平视场角为60°，垂直视场角为20°。（二）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。（三）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°。览沃 Mid - 360 水平 360° 视场角，全角度感知周围环境无遗漏。
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考古发掘使用激光雷达扫描遗址，助力文物保护研究。安徽单线激光雷达批发
体育赛事上激光雷达追踪运动员，辅助赛事分析评估。北京车载激光雷达厂家
在体积限制下，Flash激光雷达的功率密度不能很高。因此，Flash激光雷达目前的问题是，由于功率密度的限制，无法考虑三个参数：视场角、检测距离和分辨率，即如果检测距离较远，则需要放弃视场角或分辨率；如果需要高分辨率，则需要放弃视场角或检测距离。Flash激光雷达采用面光源泛光成像，其发射的光线会散布在整个视场内，因此不需要折射就可以覆盖FOV区域了，难点在于如何提升其功率密度从而提升探测精度和距离，目前通常使用VCSEL光源组成二维矩阵形成面光源。北京车载激光雷达厂家
