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。从 2D 升至 3D 感知，览沃 Mid - 360 提升移动机器人室内建图定位效率。高精度激光雷达制造商
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。深圳Hap激光雷达规格览沃 Mid - 360 作为新物种，让移动机器人在多样场景精确感知。
行业上游供应商，激光雷达产业链可以分为上游（光学和电子元器件）、中游（集成激光雷达）、下游（不同应用场景）。其中上游为激光发射、激光接收、扫描系统和信息处理四大部分，包含大量的光学和电子元器件。中游为集成的激光雷达产品，下游包括测绘、无人驾驶汽车、高精度地图、服务机器人、无人机等众多应用领域。激光器和探测器是激光雷达的重要部件，激光器和探测器的性能、成本、可靠性与激光雷达产品的性能、成本、可靠性密切相关。
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。安防监控运用激光雷达实时监测，及时发现入侵异常情况。
给定两个来自不同坐标系的三维数据点集，找到两个点集空间的变换关系，使得两个点集能统一到同一坐标系统中，这个过程便称为配准。配准的目标是在全局坐标框架中找到单独获取的视图的相对位置和方向，使得它们之间的相交区域完全重叠。对于从不同视图（views）获取的每一组点云数据，点云数据很有可能是完全不相同的，需要一个能够将它们对齐在一起的单一点云模型，从而可以应用后续处理步骤，如分割和进行模型重建。目前对配准过程较常见的主要是 ICP 及其变种算法，NDT 算法，和基于特征提取的匹配。激光雷达在灾害救援中提供了准确的现场信息支持。江苏汽车激光雷达价位
桥梁检测使用激光雷达识别病害，保障桥梁安全通行。高精度激光雷达制造商
激光雷达的FOV，FOV指激光雷达能够探测到的视场范围，可以从垂直和水平两个维度以角度来衡量范围大小，下图比较形象的展示了激光雷达FOV范围，之所以要提到FOV是因为后面不同的技术路线基本都是为了能够实现对FOV区域内探测。垂直FOV：常见的车载激光雷达通常在25°，形状呈扇形；水平FOV：常见的机械式激光雷达可以达到360°范围，通常布置于车顶；常见的车载半固态激光雷达通常可以达到120°范围，形状呈扇形，可布置于车身或车顶。高精度激光雷达制造商
