激光雷达难点：当周边环境中存在透明介质 (如洁净水体) 时，位于透明介质内部或后方的目标能够被测到。由于光线在透明介质中会发生折射，被测目标实际上位于折射光路上，而测量结果则位于直线光路上，测量出的目标位置会发生偏差，此外，雷达也可能会收到两个反射回波，一个来自于透明介质内部或后方的实际目标表面的反射，另一个来自于不完全洁净的透明介质表面的漫反射，此时的测量结果不确定，有可能是介质表面，也可能是实际目标。激光雷达的维护简单，降低了使用成本。浙江车载激光雷达制造
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。四探头激光雷达厂家激光雷达的设计优化提高了其在复杂环境中的可靠性。
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。
优劣势分析，优势：首先，该设计减少了激光发射和接收的线数以实现一帧之内更高的线数，也随之降低了对焦与标定的复杂度，因此生产效率得以大幅提升，并且相比于传统机械式激光雷达，棱镜式的成本有了大幅的下降。其次，只要扫描时间够久，就能得到精度极高的点云以及环境建模，分辨率几乎没有上限，且可达到近100％的视场覆盖率。劣势：棱镜式激光雷达FOV相对较小，且视场中心的扫描点非常密集，雷达的视场边缘扫描点比较稀疏，在雷达启动的短时间内会有分辨率过低的问题。对于高速移动的汽车来说，显然不存在长时间扫描的情况，不过可以通过增加激光线束和功率实现更高的精度和更远的探测距离，但机械结构也相对更加复杂，体积让前两者更难以控制，存在轴承或衬套的磨损等风险。主动抗串扰功能，使览沃 Mid - 360 在多雷达干扰下仍能正常运作。
自动驾驶汽车中的汽车传感器使用摄像头数据、雷达和LiDAR来检测周围的物体，自动驾驶汽车使用LiDAR传感器探测周围建筑和车辆，开发LiDAR 系统所需要的软件工具，软件在LiDAR系统的创建和运行中的各个环节都非常关键。系统工程师需要辐射模型来预测回波信号的信噪比。电子工程师需要电子模型来建立电气设计。机械工程师需要CAD工具来完成系统布局。还可能会需要结构和热建模软件。LiDAR系统的运行需要控制软件和将点云转换并重建为三维模型的软件。而LiDAR是利用光作为探测媒介来感知周围的系统，因此光学工程师运用光学软件设计可靠稳定的光学系统是关键。览沃 Mid - 360 带来全新感知方案，助力移动机器人功能升级。湖北三维激光雷达
港口作业借助激光雷达引导装卸，提升集装箱操作准度。浙江车载激光雷达制造
激光雷达能够准确输出障碍物的大小和距离，通过算法对点云数据的处理可以输出障碍物的3D框，如：3D行人检测、3D车辆检测等；亦可进行车道线检测、场景分割等任务。除了障碍物感知，激光雷达还可以用来制作高精度地图。地图采集过程中，激光雷达每隔一小段时间输出一帧点云数据，这些点云数据包含环境的准确三维信息，通过把这些点云数据做拼接，就可以得到该区域的高精度地图。在定位方面，智能车在行驶过程中利用当前激光雷达采集的点云数据帧和高精度地图做匹配，可以获取智能车的位置。浙江车载激光雷达制造
