这里就来分享一下激光雷达在实际应用中的那些小细节~工作原理：激光雷达是基于时间飞行（TOF）工作原理；激光雷达发射激光脉冲，并测量此脉冲经被测目标表面反射后返回的时间，然后换算成距离数据发射光和接受光时间差为t，c为光速，则雷达与目标的距离为雷达通过一个反射镜对测距激光脉冲进行反射。当反射镜被电机带动旋转时，从而形成一个与旋转轴垂直的扫描平面。雷达定时发出脉冲光，同时电机带动发射镜旋转，这样就可以构成二维点云数据。在智能物流中引导 AGV 小车，提升货物搬运仓储效率。天津觅道Mid-360激光雷达设备
优劣势分析，优势：MEMS激光雷达因为摆脱了笨重的「旋转电机」和「扫描镜」等机械运动装置，去除了金属机械结构部件，同时配备的是毫米级的微振镜，这较大程度上减少了MEMS激光雷达的尺寸，与传统的光学扫描镜相比，在光学、机械性能和功耗方面表现更为突出。其次，得益于激光收发单元的数量的减少，同时MEMS振镜整体结构所使用的硅基材料还有降价空间，因此MEMS激光雷达的整体成本有望进一步降低。劣势：MEMS激光雷达的「微振镜」属于振动敏感性器件，同时硅基MEMS的悬臂梁结构非常脆弱，外界的振动或冲击极易直接致其断裂，车载环境很容易对其使用寿命和工作稳定性产生影响。上海傲览Avia激光雷达规格海洋探测中激光雷达测量海底地貌，支持海洋资源开发。
在实际应用中，很多时候并不知道点云之间的邻接关系。针对此，研究人员开发了较小张树算法和连接图算法以实现邻接关系的计算。总体而言，三维模型重建算法的发展趋势是自动化程度越来越高，所需人工干预越来越少，且应用面越来越广。然而，现有算法依然存在运算复杂度较高、只能针对单个物体、且对背景干扰敏感等问题。研究具有较低运算复杂度且不依赖于先验知识的全自动三维模型重建算法，是目前的主要难点。然而，如何在包含遮挡、背景干扰、噪声、逸出点以及数据分辨率变化等的复杂场景中实现对感兴趣目标的检测识别与分割，仍然是一个富有挑战性的问题。
优劣势分析：优点：FLASH激光雷达较大的优势在于可以一次性实现全局成像来完成探测，且成像速度快。体积小，易安装，易融入车的整体外观设计。设计简洁，元件极少，成本低。信号处理电路简单，消耗运算资源少，整体成本低。刷新频率可高达3MHz，是传统摄像头的10万倍，实时性好，因此易过车规。缺点：不过FLASH激光单点面积比扫描型激光单点大，因此其功率密度较低，进而影响到探测精度和探测距离（低于50米）。要改善其性能，需要使用功率更大的激光器，或更先进的激光发射阵列，让发光单元按一定模式导通点亮，以取得扫描器的效果。激光雷达在森林监测中用于评估森林资源和健康状况。
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。智能零售中激光雷达分析顾客行为，优化店铺空间布局。天津觅道Mid-360激光雷达设备
测绘领域中激光雷达快速采集地形数据，绘制高精度地图。天津觅道Mid-360激光雷达设备
有几个原因：我们这里说的激光雷达，是指 TOF 激光雷达，TOF 测距，靠的是 TDC 电路提供计时，用光速乘以单向时间得到距离，但限于成本，TDC 一般由 FPGA 的进位链实现，本质上是对一个低频的晶振信号做差值，实现高频的计数。所以，测距的精度，强烈依赖于这个晶振的精度。而晶振随着时间的推移，存在累计误差；距离越远，接收信号越弱，雷达自身的寻峰算法越难以定位到较佳接收时刻，这也造成了精度的劣化；而由于激光雷达检测障碍物的有效距离和较小垂直分辨率有关系，也就是说角度分辨率越小，则检测的效果越好。如果两个激光光束之间的角度为 0.4°，那么当探测距离为 200m 的时候，两个激光光束之间的距离为200m*tan0.4°≈1.4m。也就是说在 200m 之后，只能检测到高于 1.4m 的障碍物了。如果需要知道障碍物的类型，那么需要采用的点数就需要更多，距离越远，激光雷达采样的点数就越少，可以很直接的知道，距离越远，点数越少，就越难以识别准确的障碍物类型。天津觅道Mid-360激光雷达设备
