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。探测距离可为 10cm，览沃 Mid - 360 小盲区优势实现精确感知。广东自动驾驶激光雷达
下游主要客户：车载领域，目前，在智能驾驶市场中，ADAS+ADS双轮驱动，激光雷达作为智能驾驶画龙点睛的产品，不可或缺。在高级辅助驾驶市场，激光雷达的成本不断下降，商业化进程有望提速，全球范围内L3级辅助驾驶量产车项目当前处于快速开发之中。世界各地交通法规的修订为L3级自动驾驶技术商业化落地带来机会。2020年6月通过的《ALKS车道自动保持系统条例》，这是全球范围内头一个针对L3级自动驾驶具有约束力的国际法规。随着激光雷达成本下探至数百美元区间且达到车规级要求，未来越来越多高级辅助驾驶量产项目将实现量产；根据Forst&Sullivan的研究报告，2021-2026E、2026E-2020E全球乘用车新车市场ADAS车辆销售CAGR有望达75.5%、30.5%，其中中国增速较高，分别为92.2%/29.3%。深圳连续波激光雷达正规突破传统，览沃 Mid - 360 为移动机器人提供全新环境感知选择。
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
测远能力: 一般指激光雷达对于10%低反射率目标物的较远探测距离。较近测量距离：激光雷达能够输出可靠探测数据的较近距离。测距盲区：从激光雷达外罩到较近测量距离之间的范围,这段距离内激光雷达无法获取有效的测量信号,无法对目标物信息进行反馈。角度盲区：激光雷达视场角范围没有覆盖的区域,系统无法获取这些区域内的目标物信息。角度分辨率：激光雷达相邻两个探测点之间的角度间隔,分为水平角度分辨率与垂直角度分辨率。相邻探测点之间角度间隔越小,对目标物的细节分辨能力越强。激光雷达在智能机器人导航中发挥着至关重要的作用。
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。主动抗串扰功能，使览沃 Mid - 360 在多雷达干扰下仍能正常运作。河南测绘激光雷达
建筑行业内激光雷达快速扫描建模，辅助设计与施工。广东自动驾驶激光雷达
LiDAR的结构。激光雷达主要包括激光发射、接收、扫描器、透镜天线和信号处理电路组成。激光发射部分主要有两种，一种是激光二极管，通常有硅和砷化镓两种基底材料，再有一种就是目前非常火热的垂直腔面发射（VCSEL）（比如 iPhone 上的 LiDAR），VCSEL 的优点是价格低廉，体积极小，功耗极低，缺点是有效距离比较短，需要多级放大才能达到车用的有效距离。激光雷达主要应用了激光测距的原理，而如何制造合适的结构使得传感器能向多个方向发射激光束，如何测量激光往返的时间，这便区分出了不同的激光雷达的结构。广东自动驾驶激光雷达
