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。激光雷达通过发射激光束，精确测量目标距离，是自动驾驶的关键传感器。北京觅道Mid-70激光雷达规格
MEMS激光雷达模组，光学相控阵式(OPA)，相控阵发射器由若干发射接收单元组成阵列，通过改变加载在不同单元的电压，进而改变不同单元发射光波特性，实现对每个单元光波的单独控制，通过调节从每个相控单元辐射出的光波之间的相位关系，在设定方向上产生互相加强的干涉从而实现强度高光束，而其他方向上从各个单元射出的光波彼此相消。组成相控阵的各相控单元在程序的控制下可使一束或多束强度高光束按设计指向实现空域扫描。但光学相控阵的制造工艺难度较大，这是由于要求阵列单元尺寸必需不大于半个波长，普通目前激光雷达的任务波长均在1微米左右，这就意味着阵列单元的尺寸必需不大于500纳米。而且阵列数越多，阵列单元的尺寸越小，能量越往主瓣集中，这就对加工精度要求更高。此外，材料选择也是十分关键的要素。无人驾驶激光雷达厂家精选远探测 70 米 @80% 反射率，Mid - 360 无惧室外强光，性能稳定。
为了克服探测距离的限制，FLASH激光雷达的表示厂商Ibeo、LedderTech开始在激光收发模块进行创新。车规级激光雷达鼻祖Ibeo，则一步到位推出了单光子激光雷达，Ibeo称其为Focal Plane Array焦平面，实际也可归为FlASH激光雷达。2019年8月27日，长城汽车与德国激光雷达厂商Ibeo正式签署了激光雷达技术战略合作协议，三方合作的产品基础就是ibeonEXT Generic 4D Solid State LiDAR。从长远来看，FLASH激光雷达芯片化程度高，规模化量产后大概率能拉低成本，随着技术的发展，FLASH激光雷达有望成为主流的技术方案。
在三维模型重建方面，较初的研究集中于邻接关系和初始姿态均已知时的点云精配准、点云融合以及三维表面重建。在此，邻接关系用以指明哪些点云与给定的某幅点云之间具有一定的重叠区域，该关系通常通过记录每幅点云的扫描顺序得到。而初始姿态则依赖于转台标定、物体表面标记点或者人工选取对应点等方式实现。这类算法需要较多的人工干预，因而自动化程度不高。接着，研究人员转向点云邻接关系已知但初始姿态未知情况下的三维模型重建，常见方法有基于关键点匹配、基于线匹配、以及基于面匹配 等三类算法。智能停车系统凭借激光雷达检测车位，实现快速引导。
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。消防救援依靠激光雷达在浓烟中定位，引导灭火救援。北京汽车激光雷达价位
激光雷达在野生动物保护中用于监测动物的活动范围和习性。北京觅道Mid-70激光雷达规格
激光雷达的市场概况：全球市场概况，激光雷达过去用于工业测绘、气象监测等领域，未来车载领域将成为较重要细分。气象监测、地形测绘与车载、机器人领域对激光雷达的技术要求不同，分属不同细分市场。下游需求刺激行业快速发展，激光雷达市场规模有望达百亿美元。受益于无人驾驶、高级辅助驾驶（ADAS）和服务机器人领域的需求，有望迎来高速增长期。据Velodyne预测，2022年智能驾驶将占总市场规模的60.5%，成为激光雷达产业较大的增长极，工业、无人机、机器人领域各占比24.4%、8.4%、4.2%。北京觅道Mid-70激光雷达规格
