激光雷达的分类，激光雷达行业具有较高的技术水准与技术壁垒，并同时具有技术创新能力强与产品迭代速度快的特征。其技术发展方向与半导体行业契合度高，激光雷达系统中主要的激光器、探测器、控制及处理单元均能从半导体行业的发展中受益，收发单元阵列化以及主要模块芯片化是未来的发展趋势。激光雷达可分成一维（1D）激光雷达、二维（2D）扫描激光雷达和三维（3D）扫描激光雷达。1D激光雷达只能用于线性的测距；2D扫描激光雷达只能在平面上扫描，可用于平面面积与平面形状的测绘，如家庭用的扫地机器人；3D扫描激光雷达可进行3D空间扫描，用于户外建筑测绘，它是驾驶辅助和自助式自动驾驶应用的重要车载传感设备。3D激光雷达可进一步分成3D扇形扫描激光雷达和3D旋转式扫描激光雷达。在某些领域，激光雷达被用于侦察和目标识别。360度激光雷达批发价格
相比于半固态式和固态式激光雷达，机械旋转式激光雷达的优势在于可以对周围环境进行360°的水平视场扫描，而半固态式和固态式激光雷达往往较高只能做到120°的水平视场扫描，且在视场范围内测距能力的均匀性差于机械旋转式激光雷达。由于无人驾驶汽车运行环境复杂，需要对周围360°的环境具有同等的感知能力，而机械旋转式激光雷达兼具360°水平视场角和测距能力远的优势，目前主流无人驾驶项目纷纷采用了机械旋转式激光雷达作为主要的感知传感器。广东四探头激光雷达行价览沃 Mid - 360 主动抗串扰，在室内多雷达场景中保持稳定探测。
工作原理，，与MEMS微振镜平动和扭转的形式不同，转镜是反射镜面围绕圆心不断旋转，从而实现激光的扫描。在转镜方案中，也存在一面扫描镜（一维转镜）和一纵一横两面扫描镜（二维转镜）两种技术路线。一维转镜线束与激光发生器数量一致，而二维转镜可以实现等效更多的线束，在集成难度和成本控制上存在优势。简而言之，使用转镜折射光线实现激光在FOV区域内的覆盖，通常与线光源配合使用，形成FOV面的覆盖，也可以与振镜组合使用，配合点光源形成FOV面的覆盖。
探测距离，激光雷达标称的较远探测距离一般为150-200m，实际上距离过远的时候，采样的点数会明显变少，测量距离和激光雷达的分辨率有着很大的关系。以激光雷达的垂直分辨率为0.4°较远探测距离为200m举例，在经过200m后激光光束2个点之间的距离为，也就是说只能检测到高于1.4m的障碍物。如下图10所示。如果要分辨具体的障碍物类型，那么需要采样点的数量更多，因此激光雷达有效的探测距离可能只有60-70m。增加激光雷达的探测距离有2种方法，一是增加物体的反射率，二是增加激光的功率。物体的反射率是固定的，无法改变，那么就只能增加激光的功率了。但是增加激光的功率会损伤人眼，只能想办法增加激光的波长，以避开人眼可见光的范围，这样可以适当增大激光的功率。探测距离是制约激光雷达的另一个障碍，汽车在高速行驶的过程中越早发现障碍物，就越能预留越多的反应时间，从而避免交通事故。可达 70 米 @80% 反射率探测，览沃 Mid - 360 室内外感知表现如一。
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自动驾驶巴士借助激光雷达感知周边，安全接送乘客。贵州轨旁入侵激光雷达
10cm 小盲区配合小巧身形，览沃 Mid - 360 为机器人提供无死角视野。360度激光雷达批发价格
而如较新的 Livox Horizon 激光雷达，也包含了多回波信息及噪点信息，格式如下：每个标记信息由1字节组成：该字节中 bit7 和 bit6 为头一组，bit5 和 bit4 为第二组，bit3 和 bit2 为第三组，bit1 和 bit0 为第四组。第二组表示的是该采样点的回波次序。由于 Livox Horizon 采用同轴光路，即使外部无被测物体，其内部的光学系统也会产生一个回波，该回波记为第 0 个回波。随后，若激光出射方向存在可被探测的物体，则较先返回系统的激光回波记为第 1 个回波，随后为第 2 个回波，以此类推。如果被探测物体距离过近（例如 1.5m），第 1 个回波将会融合到第 0 个回波里,该回波记为第 0 个回波。360度激光雷达批发价格
