优劣势分析，优势：首先，该设计减少了激光发射和接收的线数以实现一帧之内更高的线数，也随之降低了对焦与标定的复杂度，因此生产效率得以大幅提升，并且相比于传统机械式激光雷达，棱镜式的成本有了大幅的下降。其次，只要扫描时间够久，就能得到精度极高的点云以及环境建模，分辨率几乎没有上限，且可达到近100％的视场覆盖率。劣势：棱镜式激光雷达FOV相对较小，且视场中心的扫描点非常密集，雷达的视场边缘扫描点比较稀疏，在雷达启动的短时间内会有分辨率过低的问题。对于高速移动的汽车来说，显然不存在长时间扫描的情况，不过可以通过增加激光线束和功率实现更高的精度和更远的探测距离，但机械结构也相对更加复杂，体积让前两者更难以控制，存在轴承或衬套的磨损等风险。览沃 Mid - 360 体积小巧，可为 10cm 小盲区，嵌入式安装实现无盲区覆盖。割草机激光雷达厂家
我们可以根据 LiDAR 能描绘出稀疏的三维世界的特点，而扫描得到的障碍物点云通常又比背景更密集，通过分类聚类的方法可以利用其进行感知障碍物。而随着深度学习带来的检测和分割技术上的突破，LiDAR 已经能做到高效的检测行人和车辆，输出检测框，即 3D bounding box，或者对点云中的每一个点输出 label，更有甚者在尝试使用 LiDAR 检测地面上的车道线。在三维目标识别的对象方面，较初研究主要针对立方体、柱体、锥体以及二次曲面等简单形体构成的三维目标。北京Hap激光雷达批发城市规划凭借激光雷达获取空间数据，辅助科学规划。
目前，LiDAR已普遍应用于各个领域。在大气科学中，LiDAR被用于空气质量监测和污染物检测；在天文学领域，LiDAR技术可用于观察行星表面地貌特征以及太阳系内其他天体的形态结构；在工程建设方面，利用LiDAR技术可以快速获取地形数据、制作数字高程模型（DEM）以及生成精确的三维地图；而在汽车领域中，人们普遍认为LiDAR是一项关键的光学距离感知技术，在自动驾驶领域得到了普遍应用。几乎所有投入自动驾驶研发的厂商都将LiDAR视为一项关键技术，并且已经有一些低成本、小体积的LiDAR系统被应用于高级驾驶辅助系统（Advanced Driver Assistance Systems, ADAS）。
激光雷达的构成与分类：激光雷达的构成，激光雷达发展到现在，其结构精密且复杂，主要由激光系统、接收系统、信号处理单元和扫描模块四大主要组件构成。激光器以脉冲的方式点亮发射激光，照射到障碍物后对物体进行3D扫描，反射光线经由镜头组汇聚到接收器上。信号处理单元负责控制激光器的发射，并将接收到的模拟信号转为数字信号，然后进入主控芯片进行数据的处理和计算。进一步的，我们可以根据以下指标判断激光雷达的好坏。视场角，视场角决定了激光雷达能够看到的视野范围，分为水平视场角和垂直视场角，视场角越大，表示视野范围越大，反之则表示视野范围越小。安装布置灵活，览沃 Mid - 360 满足移动机器人各种复杂安装场景。
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360°x59° 超广视野，览沃 Mid - 360 保障移动机器人作业现场安全高效。海南地面激光雷达
激光雷达通过多角度扫描，获取目标的完整信息。割草机激光雷达厂家
全固态激光雷达。顾名思义此激光雷达没有任何机械摆动结构，自然也没有旋转。将机械化的激光雷达芯片化，体型更小、性能更好、寿命更可靠，但逃脱不了摩尔定律的轨道，目前有两种方式。1. 光学相控阵式（OPA）固态激光雷达，OPA固态激光雷达完全没有摆动固件，利用多个光源组成阵列，合成特定方向的光束，实现对不同方向的扫描。具有扫描速度快、精度高、可控性好、体积小（Quanergy激光雷达只有90x60x60mm）等优点，缺点是易形成旁瓣，影响光束作用距离和角分辨率，同时生产难度高。2.Flash固态激光雷达，Flash固态激光雷达，也可以说是非扫描式，它可以在短时间直接发射出一大片覆盖探测区域的激光，利用光阵构建图像，就像是照相机，快速记录整个场景，减少了没有了转动与镜片磨损，相对更为稳定，不过缺陷也很明显，比如探测距离较近，对处理器要求较高，相对应成本也高。割草机激光雷达厂家
