调频连续波FMCW激光雷达，以三角波调频连续波为例来介绍其测距/测速原理。蓝色为发射信号频率，红色为接收信号频率，发射的激光束被反复调制，信号频率不断变化。激光束击中障碍物被反射，反射会影响光的频率，当反射光返回到检测器，与发射时的频率相比，就能测量两种频率之间的差值，与距离成比例，从而计算出物体的位置信息。FMCW的反射光频率会根据前方移动物体的速度而改变，结合多普勒效应，即可计算出目标的速度。优点：每个像素都有多普勒信息，含速度信息；解决Lidar间串扰问题；不受环境光影响，探测灵敏度高；缺点：不能探测切向运动目标。通过分析激光雷达数据，研究人员能够精确评估环境变化。江苏轨旁入侵激光雷达
LiDAR 系统的工作原理及解决方案，本质上讲，LiDAR 是一个测量目标物体距离的装置。通过发射一个短的激光脉冲，并记录发射光脉冲与探测到的反射（反向散射）光脉冲的时间间隔，就可以推算出距离信息。系统的工作原理及解决方案，LiDAR系统可以使用扫描反射镜，多束激光或其它的方式“扫描”物体空间。借助其精确的测距能力，LiDAR 能够用于解决许多不同的问题。在遥感应用中，LiDAR系统用于测量散射，吸收，或大气中的颗粒或原子的再发射。在这些应用中，对激光束的波长可能会有专门的要求。可以用来测量特定分子种类在大气中的浓度，例如甲烷和气溶胶含量。而测量大气中的雨滴则可以用来估计风暴距离和降水概率。IGV激光雷达激光雷达的设计优化提高了其在复杂环境中的可靠性。
LiDAR还能够用于确定测量目标的速度。这可以通过多普勒方法或快速连续测距来实现。例如，可以使用LiDAR系统测量风速和车速。另外，LiDAR系统能够用于建立动态场景的三维模型，这是自动驾驶中会遇到的情形。这可以通过多种方式来实现，通常使用的是扫描的方式。LiDAR 技术中的挑战，在可实现的LiDAR系统中存在一些众所周知的挑战。这些挑战根据LiDAR系统的类型有所不同。以下是一些示例：隔离和抑制发射光束的信号——探测光束的辐射亮度通常远大于回波光束。必须注意确保探测光束不会被系统自身反射或散射回接收器，否则探测器将会因为饱和而无法探测外部目标。
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。从 2D 升至 3D 感知，Mid - 360 提升移动机器人室内感知与运维效率。
从自动驾驶技术发展来看，L0-L2阶段，传感器与控制系统的革新是主要变化；L3-L4阶段，感知与决策能力的增强是主要变化。L2、L3及L4级别的智能驾驶所需激光雷达台数分别为0台、1台和5台，激光雷达称为推动智能驾驶发展的重要因素。就国内市场而言，中国拥有世界较大的高级辅助驾驶和无人驾驶市场，成长空间也较为广阔。2020年11月发布的《智能网联汽车技术路线图（2.0版）》明确指出到2030年我国L2和L3级渗透率要超过70%。但激光雷达的技术路线仍然有其他的选项尚未成熟，市场目前依然处于群雄逐鹿的状态。伴随着在汽车行业的不断渗透与工业自动化的发展，激光雷达的投资机会可不断给到我们想象空间。激光雷达在考古发掘中用于绘制遗址的三维模型。微波激光雷达厂家供应
览沃 Mid - 360 体积小巧，可为 10cm 小盲区，嵌入式安装实现无盲区覆盖。江苏轨旁入侵激光雷达
激光雷达的优劣势分析，优势：转镜式激光雷达的激光发射和接收装置是固定的，所以即使有【旋转机构】，也可以把产品体积做小，进而降低成本。并且旋转机构只有反射镜，整体重量比较轻，电机轴承的负荷小，系统运行起来更稳定，寿命更长，是符合车规量产的优势条件。劣势：因为有【旋转机构】这样的机械形式的存在，便不可避免地在长期运行之后，激光雷达的稳定性、准确度会受到影响。其次，一维式的扫描线数少，扫描角度不能到360度。江苏轨旁入侵激光雷达
