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。物流分拣依靠激光雷达引导机械臂，快速准确分拣货物。海南机器人激光雷达
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。江苏单线激光雷达价位Mid - 360 作为新选择，让移动机器人在更多场景精确感知环境。
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。
NDT 算法的基本思想是先根据参考数据（reference scan）来构建多维变量的正态分布，如果变换参数能使得两幅激光数据匹配的很好，那么变换点在参考系中的概率密度将会很大。然后利用优化的方法求出使得概率密度之和较大的变换参数，此时两幅激光点云数据将匹配的较好。由此得到位资变换关系。局部特征提取通常包括关键点检测和局部特征描述两个步骤，其构成了三维模型重建与目标识别的基础和关键。在二维图像领域，基于局部特征的算法已在过去十多年间取得了大量成果并在图像检索、目标识别、全景拼接、无人系统导航、图像数据挖掘等领域得到了成功应用。类似的，点云局部特征提取在近年来亦取得了部分进展览沃 Mid - 360 水平 360° 视场角，全角度感知周围环境无遗漏。
优劣势分析，优势：OPA激光雷达发射机采用纯固态器件，没有任何需要活动的机械结构，因此在耐久度上表现更出众；虽然省去机械扫描结构，但却能做到类似机械式的全景扫描，同时在体积上可以做得更小，量产后的成本有望较大程度上降低。劣势：OPA激光雷达对激光调试、信号处理的运算力要求很大，同时，它还要求阵列单元尺寸必须不大于半个波长，因此每个器件尺寸只500nm左右，对材料和工艺的要求都极为苛刻，由于技术难度高，上游产业链不成熟，导致 OPA 方案短期内难以车规级量产，目前也很少有专注开发OPA激光雷达的Tier1供应商。采用主动抗串扰设计，览沃 Mid - 360 在多雷达环境下稳定运行互不干扰。测距激光雷达代理商
探测距离可为 10cm，览沃 Mid - 360 小盲区优势实现精确感知。海南机器人激光雷达
下游主要客户：车载领域，目前，在智能驾驶市场中，ADAS+ADS双轮驱动，激光雷达作为智能驾驶画龙点睛的产品，不可或缺。在高级辅助驾驶市场，激光雷达的成本不断下降，商业化进程有望提速，全球范围内L3级辅助驾驶量产车项目当前处于快速开发之中。世界各地交通法规的修订为L3级自动驾驶技术商业化落地带来机会。2020年6月通过的《ALKS车道自动保持系统条例》，这是全球范围内头一个针对L3级自动驾驶具有约束力的国际法规。随着激光雷达成本下探至数百美元区间且达到车规级要求，未来越来越多高级辅助驾驶量产项目将实现量产；根据Forst&Sullivan的研究报告，2021-2026E、2026E-2020E全球乘用车新车市场ADAS车辆销售CAGR有望达75.5%、30.5%，其中中国增速较高，分别为92.2%/29.3%。海南机器人激光雷达
