泛光面陣式（FLASH），泛光面陣式是目前全固態激光雷達中較主流的技術，其原理也就是快閃，它不像 MEMS 或 OPA 的方案會去進行掃描，而是短時間直接發射出一大片覆蓋探測區域的激光，再以高度靈敏的接收器，來完成對環境周圍圖像的繪制。我們以目前較為成熟的車載 MEMS 式激光雷達為例，講解其關鍵的硬件參數。這主要是因為激光發射器和接收器不能做在一起導致的，此方案本身便存在小量的誤差。現在很多方案，都是向著共軸努力。激光雷達的測距精度，隨著距離的變化而變化。智能零售中激光雷達分析顧客行為，優化店鋪空間布局。遼寧覓道Mid-70激光雷達

我們可以根據 LiDAR 能描繪出稀疏的三維世界的特點，而掃描得到的障礙物點云通常又比背景更密集，通過分類聚類的方法可以利用其進行感知障礙物。而隨著深度學習帶來的檢測和分割技術上的突破，LiDAR 已經能做到高效的檢測行人和車輛，輸出檢測框，即 3D bounding box，或者對點云中的每一個點輸出 label，更有甚者在嘗試使用 LiDAR 檢測地面上的車道線。在三維目標識別的對象方面，較初研究主要針對立方體、柱體、錐體以及二次曲面等簡單形體構成的三維目標。貴州雷達點云激光雷達360°x59° 超廣 FOV，Mid - 360 助力移動機器人感知復雜 3D 環境。

LiDAR還能夠用于確定測量目標的速度。這可以通過多普勒方法或快速連續測距來實現。例如，可以使用LiDAR系統測量風速和車速。另外，LiDAR系統能夠用于建立動態場景的三維模型，這是自動駕駛中會遇到的情形。這可以通過多種方式來實現，通常使用的是掃描的方式。LiDAR 技術中的挑戰，在可實現的LiDAR系統中存在一些眾所周知的挑戰。這些挑戰根據LiDAR系統的類型有所不同。以下是一些示例：隔離和抑制發射光束的信號——探測光束的輻射亮度通常遠大于回波光束。必須注意確保探測光束不會被系統自身反射或散射回接收器，否則探測器將會因為飽和而無法探測外部目標。

輔助駕駛，在目前的L2/L3級高級輔助駕駛中，激光雷達可覆蓋前向視場（水平視場角覆蓋60°到120°）以實現自動跟車或者高速自適應巡航等功能。通過發射信號和反射信號的對比，構建出點云圖，從而實現諸如目標距離、方位、速度、姿態、形狀等信息的探測和識別。除了傳統的障礙物檢測以外，激光雷達還可以應用于車道線檢測。優點在于測距遠、精度高，獲取信息豐富，抗源干擾能力強。自動駕駛，未來，L4/L5級無人駕駛應用的實現，有賴于激光雷達提供的感知信息。激光雷達是一種可以掃描周圍環境并生成三維圖像的傳感器。它可以被用于識別障礙物、構建地圖和定位車輛等應用場景。該級別應用需要面對復雜多變的行駛環境，對激光雷達性能水平要求較高，在要求360°水平掃描范圍的同時，對于低反射率物體的較遠測距能力需要達到200m，且需要更高的線數以及更密的點云分辨率；同時為了減少噪點還需要激光雷達具有抵抗同環境中其他激光雷達干擾的能力。探測距離 70 米 @80% 反射率，覽沃 Mid - 360 抗室外強光性能佳。

MEMS：MEMS激光雷達通過“振動”調整激光反射角度，實現掃描，激光發射器固定不動，但很考驗接收器的能力，而且壽命同樣是行業內的重大挑戰。支撐振鏡的懸臂梁角度有限，覆蓋面很小，所以需要多個雷達進行共同拼接才能實現大視角覆蓋，這就會在每個激光雷達掃描的邊緣出現不均勻的畸變與重疊，不利于算法處理。另外，懸臂梁很細，機械壽命也有待進一步提升。振鏡+轉鏡：在轉鏡的基礎上加入振鏡，轉鏡負責橫向，振鏡負責縱向，滿足更寬泛的掃射角度，頻率更高價格相比前兩者更貴，但同樣面臨壽命問題。激光雷達在醫療領域被用于人體三維掃描和診斷。貴州雷達點云激光雷達

激光雷達在智能機器人導航中發揮著至關重要的作用。遼寧覓道Mid-70激光雷達

也有使用相干法，即為調頻連續波（FMCW）激光雷達發射一束連續的光束，頻率隨時間穩定地發生變化。由于源光束的頻率在不斷變化，光束傳輸距離的差異會導致頻率的差異，將回波信號與本振信號混頻并經低通濾波后，得到的差頻信號是光束往返時間的函數。調頻連續波激光雷達不會受到其他激光雷達或太陽光的干擾且無測距盲區；還可以利用多普勒頻移測量物體的速度和距離。調頻延續波 LiDAR 概念并不新穎，但是面對的技術挑戰不少，例如發射激光的線寬限制、線性調頻脈沖的頻率范圍、線性脈沖頻率變化的線性度，以及單個線性調頻脈沖的可復制性等。遼寧覓道Mid-70激光雷達