机械式激光雷达，工作原理，发射和接收模块被电机电动进行360度旋转。在竖直方向上排布多组激光线束，发射模块以一定频率发射激光线，通过不断旋转发射头实现动态扫描。优劣势分析，优势：机械式激光雷达作为较早装车的产品，技术已经比较成熟，因为其是由电机控制旋转，所以可以长时间内保持转速稳定，每次扫描的速度都是线性的。并且由于『站得高』，机械式激光雷达可以对周围环境进行精度够高并且清晰稳定的360度环境重构。劣势：虽然技术成熟，但因为其内部的激光收发模组线束多，并且需要复杂的人工调整，制造周期长，所以成本并不低，并且可靠性差，导致可量产性不高。其次，机械式激光雷达体积过大，消费者接受度不高。然后，它的寿命大约在1000h~3000h，而汽车厂商的要求是至少13000h，这也决定了其很难走向C端市场。轻巧易隐藏布置，览沃 Mid - 360 兼顾机器人美观与功能。广东重复扫描激光雷达
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安徽FOV激光雷达激光雷达在安防领域实现了对入侵者的快速识别和追踪。
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。
这里就来分享一下激光雷达在实际应用中的那些小细节~工作原理：激光雷达是基于时间飞行（TOF）工作原理；激光雷达发射激光脉冲，并测量此脉冲经被测目标表面反射后返回的时间，然后换算成距离数据发射光和接受光时间差为t，c为光速，则雷达与目标的距离为雷达通过一个反射镜对测距激光脉冲进行反射。当反射镜被电机带动旋转时，从而形成一个与旋转轴垂直的扫描平面。雷达定时发出脉冲光，同时电机带动发射镜旋转，这样就可以构成二维点云数据。Mid - 360 以 360°x59° 超广 FOV，增强移动机器人复杂环境感知力。
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。激光雷达在农业领域用于监测作物生长情况。无人矿车激光雷达生产厂家
览沃 Mid - 360 凭借 360°x59° 超广 FOV，感知三维空间信息。广东重复扫描激光雷达
激光雷达的应用：1测量测绘，1、地形测绘，激光雷达通过揭示地面细微的高程变化来展示地貌。它较大的优势在于它是一个高速“采样工具”，激光雷达每秒从空中向地面发出数十万甚至上百万个脉冲，正是这种密集的点云使我们能够获取真实地貌。2、建筑质量控制，使用LiDAR进行建筑扫描可以确保建筑与建筑信息模型(BIM)相匹配。将来自地面扫描的点云与BIM设计对比可保证施工质量并按计划进行，LiDAR较大的优势是实时扫描，能在项目早期发现缺陷，否则，任何有缺陷的结构返工都会浪费时间和金钱。广东重复扫描激光雷达
