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。激光雷达在建筑施工中用于精确测量和定位。车载激光雷达供应
脉冲同步（PPS），脉冲同步通过同步信号线实现数据同步。GPS同步（PPS+UTC），通过同步信号线和 UTC 时间（GPS 时间）实现数据同步。然后我们从 LiDAR 硬件得到一串数据包，需要过一次驱动才能将其解析成点云通用的格式，如 ROSMSG 或者 pcl 点云格式，以目前较普遍的旋转式激光雷达的数据为例，其数据为 10hz，即 LiDAR 在 0.1s 时间内转一圈，并将硬件得到的数据按照不同角度切成不同的 packet，以下便是一个 packet 数据包定义示意图。每一个 packet 包含了当前扇区所有点的数据，包含每个点的时间戳，每个点的 xyz 数据，每个点的发射强度，每个点来自的激光发射机的 id 等信息。毫米波激光雷达厂商激光雷达在机器人避障中发挥了关键作用。
现代雷达的波长一般是到米级别，例如火控雷达的波长是1-5厘米，汽车雷达的波长是1-10毫米。当波长进一步压缩（频率进一步提高），在红外线、可见光、紫外线区域即可激发出激光，用激光做探测源的雷达，称为激光雷达。1928年，德国的Landenburg(兰登伯格)在研究氛气色散现象实验间接证实了受激辐射的存在，也直接给出了受激辐射的发生条件是粒子数反转。1947年，Lamb(兰姆)和Reherford(雷瑟福)在氧原子光谱中发现了明显的受激辐射这是受激辐射头一次被实验验证，兰姆也因此在1955年获得了诺贝尔物理学奖。1950年，法国物理学家Kastler(卡斯特勒)提出了光学泵浦的方法。他也因为提出了这种利用光学于段研究微波谐振的方法而获诺贝尔奖。
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。消防救援依靠激光雷达在浓烟中定位，引导灭火救援。
而如较新的 Livox Horizon 激光雷达，也包含了多回波信息及噪点信息，格式如下：每个标记信息由1字节组成：该字节中 bit7 和 bit6 为头一组，bit5 和 bit4 为第二组，bit3 和 bit2 为第三组，bit1 和 bit0 为第四组。第二组表示的是该采样点的回波次序。由于 Livox Horizon 采用同轴光路，即使外部无被测物体，其内部的光学系统也会产生一个回波，该回波记为第 0 个回波。随后，若激光出射方向存在可被探测的物体，则较先返回系统的激光回波记为第 1 个回波，随后为第 2 个回波，以此类推。如果被探测物体距离过近（例如 1.5m），第 1 个回波将会融合到第 0 个回波里,该回波记为第 0 个回波。安装布置灵活，览沃 Mid - 360 满足移动机器人各种复杂安装场景。车载激光雷达供应
智能零售中激光雷达分析顾客行为，优化店铺空间布局。车载激光雷达供应
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。车载激光雷达供应
