半固态—MEMS式激光雷达，MEMS全称Micro-Electro-Mechanical System（微机电系统），是将原本激光雷达的机械结构通过微电子技术集成到硅基芯片上。本质上而言MEMS激光雷达并没有做到完全取消机械结构，所以它是一种半固态激光雷达。工作原理，MEMS在硅基芯片上集成了体积十分精巧的微振镜，其主要结构是尺寸很小的悬臂梁——通过控制微小的镜面平动和扭转往复运动，将激光管反射到不同的角度完成扫描，而激光发生器本身固定不动。其次，MEMS的振动角度有限导致视场角比较小（小于120度），同时受限于MEMS微振镜的镜面尺寸，传统MEMS技术的有效探测距离只有50米，FOV角度只能达到30度，多用于近距离补盲或者前向探测。Mid - 360 以 360°x59° 超广 FOV，增强移动机器人复杂环境感知力。安徽四探头激光雷达价位
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。安徽四探头激光雷达价位自动驾驶巴士借助激光雷达感知周边，安全接送乘客。
在三维模型重建方面，较初的研究集中于邻接关系和初始姿态均已知时的点云精配准、点云融合以及三维表面重建。在此，邻接关系用以指明哪些点云与给定的某幅点云之间具有一定的重叠区域，该关系通常通过记录每幅点云的扫描顺序得到。而初始姿态则依赖于转台标定、物体表面标记点或者人工选取对应点等方式实现。这类算法需要较多的人工干预，因而自动化程度不高。接着，研究人员转向点云邻接关系已知但初始姿态未知情况下的三维模型重建，常见方法有基于关键点匹配、基于线匹配、以及基于面匹配 等三类算法。
激光雷达的应用：1测量测绘，1、地形测绘，激光雷达通过揭示地面细微的高程变化来展示地貌。它较大的优势在于它是一个高速“采样工具”，激光雷达每秒从空中向地面发出数十万甚至上百万个脉冲，正是这种密集的点云使我们能够获取真实地貌。2、建筑质量控制，使用LiDAR进行建筑扫描可以确保建筑与建筑信息模型(BIM)相匹配。将来自地面扫描的点云与BIM设计对比可保证施工质量并按计划进行，LiDAR较大的优势是实时扫描，能在项目早期发现缺陷，否则，任何有缺陷的结构返工都会浪费时间和金钱。激光雷达用于林业监测树木参数，为森林资源评估提供助力。
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。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。北京割草机激光雷达
360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。安徽四探头激光雷达价位
LiDAR的数据，三维点，对于旋转式激光雷达来说，得到的三维点便是一个很好的极坐标系下的多个点的观测，包含激光发射器的垂直俯仰角，发射器的水平旋转角度，根据激光回波时间计算得到的距离。但 LiDAR 通常会输出笛卡尔坐标系下的观测值，头一是因为 LiDAR 在极坐标系下测量效率高，也只是对于旋转式 LiDAR，目前阵列式 LiDAR 也有很多。第二笛卡尔坐标系更加直观，投影和旋转平移更加简洁，求解法向量，曲率，顶点等特征计算量小，点云的索引及搜索都更加高效。对于 MEMS 式激光雷达，由于一次采样周期为一个偏振镜旋转周期，10hz 下采样周期为 0.1 秒，但由于载体本身在进行高速移动时，我们需要对得到的数据进行消除运动畸变，来补偿采样周期内的运动。安徽四探头激光雷达价位
