激光雷达是自动驾驶领域非常依赖的传感器，越来越多的自动驾驶公司看好激光雷达的应用前景。激光雷达具有较高的分辨率，可以记录周围环境的三维信息，激光雷达是主动发射型设备，对光照的变化不敏感，在有光照变化和夜晚等场景基本不会受到影响。此外激光雷达能够提供水平360度的视野范围，保证整个自动驾驶车基本上没有视野盲区。但是激光雷达惧怕雾霾天气，因为雾霾颗粒的大小非常接近激光的波长，激光照射到雾霾颗粒上会产生干扰，导致效果下降。随着技术的进步，以及成本的下降，激光雷达会普及到更多领域。在安全监控领域，激光雷达能有效识别入侵者并触发警报。湖南无人叉车激光雷达
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。四川激光雷达制造自动驾驶巴士借助激光雷达感知周边，安全接送乘客。
新思科技提供的多个光学和光子学工具，可用于支持LiDAR的系统级和元件级设计：CODE V 光学设计软件，用于在LiDAR系统中设计光学接收系统。光学设计应用：在 LiDAR系统中优化接收器上的圈入能量。使用CODE V优化LiDAR中的接收光学系统，LightTools 照明设计软件能模拟雨滴、雾霾等大气环境对光信号探测造成的影响，并能获取返回光程数据以解决飞行时间计算问题。用于 LiDAR 和激光光源的功能。使用LightTools模拟LiDAR光学系统，Photonic Solutions光子方案模拟工具，能够对LiDAR系统中的多个组件进行优化设计。
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。览沃 Mid - 360 从 2D 到 3D 感知升级，提升移动机器人运维效率。
第三组基于回波能量强度判断采样点是否为噪点。通常情况下，激光光束受到类似灰尘、雨雾、雪等干扰产生的噪点的回波能量很小。目前按照回波能量强度大小将噪点置信度分为二档：01 表示回波能量很弱：这类采样点有较高概率为噪点，例如灰尘点；10 表示回波能量中等，该类采样点有中等概率为噪点，例如雨雾噪点。噪点置信度越低，说明该点是噪点的可能性越低。第四组基于采样点的空间位置判断是否为噪点。例如：激光探测测距只在测量前后两个距离十分相近的物体时，两个物体之间可能会产生拉丝状的噪点。目前按照不同的噪点置信度分为三档，噪点置信度越低，说明该点是噪点的可能性越低。Mid - 360 水平 360°、垂直 59° 视场角，提供点云数据辅助决策。四川激光雷达制造
激光雷达在野生动物保护中用于监测动物的活动范围和习性。湖南无人叉车激光雷达
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。湖南无人叉车激光雷达
