分类，激光雷达按结构不同大致可以分为：机械旋转激光雷达、混合半固态激光雷达和全固态激光雷达（Flash快闪和OPA相控阵，统称为非扫描式）。（一）机械旋转激光雷达，机械式激光雷达体积大、成本较高、装配难。它通过旋转实现横向360度的覆盖面，通过内部镜片实现垂直角度的覆盖面，同比有着更耐用稳定的特点，所以我们看到的自动驾驶路试车大多采用这种类型，雷达在车顶不停的在旋转完成横向扫描，靠增加激光束，实现纵向宽泛的扫描。（二）混合半固态激光雷达。按照扫描方式分为：转镜、硅基MEMS、振镜+转镜、旋转透射棱镜。激光雷达在智能机器人导航中发挥着至关重要的作用。北京车载激光雷达制造

泛光面阵式（FLASH），泛光面阵式是目前全固态激光雷达中较主流的技术，其原理也就是快闪，它不像 MEMS 或 OPA 的方案会去进行扫描，而是短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。我们以目前较为成熟的车载 MEMS 式激光雷达为例，讲解其关键的硬件参数。这主要是因为激光发射器和接收器不能做在一起导致的，此方案本身便存在小量的误差。现在很多方案，都是向着共轴努力。激光雷达的测距精度，随着距离的变化而变化。无人驾驶激光雷达览沃 Mid - 360 混合固态技术优越，实现 360° 全向超大视场角感知。

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。

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?。ㄋ绞映〗歉哺?0°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。管道检测使用激光雷达探查内部，预防泄漏等事故。

LiDAR 技术的其它应用，LiDAR 的应用范围普遍而多样。在大气科学中，LiDAR已被用于检测多种大气成分。已经应用于表征大气中的气溶胶，研究高层大气风，剖面云，帮助收集天气数据，以及其它许多应用场合。在天文学中，LiDAR已被用于测量距离，包括远距离物体（例如月球）和近距离物体。实际上，LiDAR是将地月距离测量的精度提高到毫米级的关键设备。LiDAR还在天文学应用中用于建立导星。在考古学中，LiDAR已被用于绘制茂密森林树冠下的古代交通系统地图?？脊欧⒕蚴褂眉す饫状锷枰胖?，助力文物?；ぱ芯?。重庆补盲激光雷达

通过分析激光雷达数据，研究人员能够精确评估环境变化。北京车载激光雷达制造

激光雷达能够准确输出障碍物的大小和距离，通过算法对点云数据的处理可以输出障碍物的3D框，如：3D行人检测、3D车辆检测等；亦可进行车道线检测、场景分割等任务。除了障碍物感知，激光雷达还可以用来制作高精度地图。地图采集过程中，激光雷达每隔一小段时间输出一帧点云数据，这些点云数据包含环境的准确三维信息，通过把这些点云数据做拼接，就可以得到该区域的高精度地图。在定位方面，智能车在行驶过程中利用当前激光雷达采集的点云数据帧和高精度地图做匹配，可以获取智能车的位置。北京车载激光雷达制造