车联网+机器人，智慧城市、车联网等场景有助于催生路侧激光雷达市场成长。世界范围来看，中国车联网发展速度较快，战略化程度较高。2020 年 2 月，国家发展革新委、工信部、科技部等 11 个部委联合印发《智能汽车创新发展战略》，提出到 2025 年，车用无线通信网络（LTE-V2X 等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）逐步开展应用，高精度时空基准服务网络实现全覆盖。激光雷达结合智能算法，能够提供高精度的位置、形状、姿态等信息，实现对交通状况进行全局性的精确把控，对车路协同功能的实现至关重要。随着智能城市、智能交通项目的落地，未来该市场对激光雷达的需求将呈现稳定增长态势。工业生产里激光雷达检测产品缺陷，高效保证产品质量。北京多线激光雷达厂商
半固态-棱镜式激光雷达，无人机厂商大疆孵化览沃科技（Livox）入局激光雷达，便是采用的棱镜式扫描方案，大疆利用其在无人机领域积累的电机精确调控技术及自动化产线，有信心克服棱镜轴承或衬套寿命的难题，也为其激光雷达技术构筑护城河。工作原理，棱镜式激光雷达也称为双楔形棱镜式激光雷达，内部包括两个楔形棱镜，激光在通过头一个楔形棱镜后发生一次偏转，通过第二个楔形棱镜后再一次发生偏转。控制两面棱镜的相对转速便可以控制激光束的扫描形态。与前面提到的扫描形式不同，棱镜激光雷达累积的扫描图案形状状若菊花，而并非一行一列的点云状态。这样的好处是只要相对速度控制得当，在同一位置长时间扫描几乎可以覆盖整个区域。深圳车载激光雷达渠道凭借超广 FOV，览沃 Mid - 360 让移动机器人对复杂 3D 环境了如指掌。
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
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。激光雷达在农业领域用于监测作物生长情况。
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。激光雷达在灾害救援中提供了准确的现场信息支持。广东多线激光雷达行价
考古发掘使用激光雷达扫描遗址，助力文物保护研究。北京多线激光雷达厂商
辅助驾驶，在目前的L2/L3级高级辅助驾驶中，激光雷达可覆盖前向视场（水平视场角覆盖60°到120°）以实现自动跟车或者高速自适应巡航等功能。通过发射信号和反射信号的对比，构建出点云图，从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除了传统的障碍物检测以外，激光雷达还可以应用于车道线检测。优点在于测距远、精度高，获取信息丰富，抗源干扰能力强。自动驾驶，未来，L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。激光雷达是一种可以扫描周围环境并生成三维图像的传感器。它可以被用于识别障碍物、构建地图和定位车辆等应用场景。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求较高，在要求360°水平扫描范围的同时，对于低反射率物体的较远测距能力需要达到200m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。北京多线激光雷达厂商
