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。隧道施工借助激光雷达监测变形，保障工程施工安全。深圳激光雷达价位
根据发生器的不同可以产生紫外线（10-400nm）到可见光（390-780nm）到红外线（760-1000000nm）波段内的不同激光，相应的用途也各不相同。激光是一种单一颜色、单一波长的光，激光雷达选用的激光波长一般不低于850nm，以避免可见光对人眼的伤害，而目前主流的激光雷达主要有905nm和1550nm两种波长。905nm探测距离受限，采用硅材质，成本较低；1550nm探测距离更远，采用昂贵的铟镓砷（InGaAs）材质，激光可被人眼吸收，故可做更远的探测光束。地面激光雷达代理商从 2D 升至 3D 感知，览沃 Mid - 360 提升移动机器人室内建图定位效率。
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。
线数，线数越高，表示单位时间内采样的点就越多，分辨率也就越高，目前无人驾驶车一般采用32线或64线的激光雷达。分辨率，分辨率和激光光束之间的夹角有关，夹角越小，分辨率越高。固态激光雷达的垂直分辨率和水平分辨率大概相当，约为0.1°，旋转式激光雷达的水平角分辨率为0.08°，垂直角分辨率约为0.4°。探测距离，激光雷达的较大测量距离。在自动驾驶领域应用的激光雷达的测距范围普遍在100~200m左右。测量精度，激光雷达的数据手册中的测量精度(Accuracy)常表示为，例如±2cm的形式。精度表示设备测量位置与实际位置偏差的范围。园区巡逻借助激光雷达协助车辆，自主巡查维护秩序。
脉冲同步（PPS），脉冲同步通过同步信号线实现数据同步。GPS同步（PPS+UTC），通过同步信号线和 UTC 时间（GPS 时间）实现数据同步。然后我们从 LiDAR 硬件得到一串数据包，需要过一次驱动才能将其解析成点云通用的格式，如 ROSMSG 或者 pcl 点云格式，以目前较普遍的旋转式激光雷达的数据为例，其数据为 10hz，即 LiDAR 在 0.1s 时间内转一圈，并将硬件得到的数据按照不同角度切成不同的 packet，以下便是一个 packet 数据包定义示意图。每一个 packet 包含了当前扇区所有点的数据，包含每个点的时间戳，每个点的 xyz 数据，每个点的发射强度，每个点来自的激光发射机的 id 等信息。全新 Mid - 360，为移动机器人导航避障等带来全新感知方案。天津觅道Mid-70激光雷达渠道
Mid - 360 小巧体积，安装布置灵活，满足移动机器人多样安装需求。深圳激光雷达价位
激光雷达的工作原理：对人畜无害的红外光束Light Pluses发射、反射和接收来探测物体。能探测的对象：白天或黑夜下的特定物体与车之间的距离。甚至由于反射度的不同，车道线和路面也是可以区分开来的。哪些物体无法探测：光束无法探测到被遮挡的物体。车用激光雷达工作原理就是蝙蝠测距用的回波时间（Time of Flight，缩写为TOF）测量方法。分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位等信息，输出点云，从而呈现出目标物精确的三维结构信息。深圳激光雷达价位
