激光雷达的应用：1、水下地形测量，我们通常使用测深探测（或声纳）进行水下调查。声纳发出砰砰声并接收回声。与LiDAR类似，它通过测量回波经过的时间来计算距离。测深激光雷达与机载激光雷达不同，它使用绿色波长，通过使用这种波长，水下测绘可以一直测量到水底。同样，河流和测深调查能够绘制陆地和水生系统的地图。2、洪水预警，通过使用LiDAR测量地表，水文学家可以建立数字高程模型。从这里，使用者可以在洪水发生之前绘制出容易被淹没的区域。在这方面，激光雷达可以提供洪水预警系统，保障居民生命财产安全。保险公司也可以使用这些数据收取更高的保费，这只是保险业中用于评估风险的众多GIS应用程序之一。自动驾驶巴士借助激光雷达感知周边，安全接送乘客。上海livox激光雷达
激光光源，由于激光器发射的光线需要投射至整个FOV平面区域内，除了面光源可以直接发射整面光线外，点光源则需要做二维扫描覆盖整个FOV区域，线光源需要做一维扫描覆盖整个FOV区域。其中点光源根据光源发射的形式又可以分为EEL（Edge-Emitting Laser边发射激光器）和VCSEL（Vertical-Cavity Surface-Emitting Laser垂直腔面发射激光器）两种，二者区别在于EEL激光平行于衬底表面发出（如图1），VCSEL激光垂直于衬底表面发出（如图2）。其中VCSEL式易于进行芯片式阵列布置，通常使用此类光源进行阵列式布置形成线光源（一维阵列）或面光源（二维阵列），VCSEL光源剖面图与二维阵列光源芯片示意图如下贵州泰览Tele-15激光雷达突破传统，览沃 Mid - 360 为移动机器人提供全新环境感知选择。
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。
测距准度：激光雷达探测得到距离数据与真值之间的差距,准度越高表示测量结果与真实数据符合程度越高。点频：激光雷达每秒完成探测并获取的探测点的数目。抗干扰：激光雷达对工作同一环境下、采用相同激光波段的其他激光雷达的干扰信号的抵抗能力,抗干扰能力越强说明在多台激光雷达共同工作的条件下产生的噪点率越低功耗：激光雷达系统工作状态下所消耗的电功率。激光雷达线数：一般指激光雷达垂直方向上的测量线的数量,对于一定的角度范围,线数越多表示角度分辨率越高,对目标物的细节分辨能力越强。主动抗串扰设计，使 Mid - 360 在多雷达环境中稳定运行不干扰。
优劣势分析：优点：FLASH激光雷达较大的优势在于可以一次性实现全局成像来完成探测，且成像速度快。体积小，易安装，易融入车的整体外观设计。设计简洁，元件极少，成本低。信号处理电路简单，消耗运算资源少，整体成本低。刷新频率可高达3MHz，是传统摄像头的10万倍，实时性好，因此易过车规。缺点：不过FLASH激光单点面积比扫描型激光单点大，因此其功率密度较低，进而影响到探测精度和探测距离（低于50米）。要改善其性能，需要使用功率更大的激光器，或更先进的激光发射阵列，让发光单元按一定模式导通点亮，以取得扫描器的效果。激光雷达在机器人避障中发挥了关键作用。固态激光雷达定制价格
从 2D 升至 3D 感知，Mid - 360 提升移动机器人室内感知与运维效率。上海livox激光雷达
自动驾驶汽车中的汽车传感器使用摄像头数据、雷达和LiDAR来检测周围的物体，自动驾驶汽车使用LiDAR传感器探测周围建筑和车辆，开发LiDAR 系统所需要的软件工具，软件在LiDAR系统的创建和运行中的各个环节都非常关键。系统工程师需要辐射模型来预测回波信号的信噪比。电子工程师需要电子模型来建立电气设计。机械工程师需要CAD工具来完成系统布局。还可能会需要结构和热建模软件。LiDAR系统的运行需要控制软件和将点云转换并重建为三维模型的软件。而LiDAR是利用光作为探测媒介来感知周围的系统，因此光学工程师运用光学软件设计可靠稳定的光学系统是关键。上海livox激光雷达
