激光雷达的应用：1、水下地形测量，我们通常使用测深探测（或声纳）进行水下调查。声纳发出砰砰声并接收回声。与LiDAR类似，它通过测量回波经过的时间来计算距离。测深激光雷达与机载激光雷达不同，它使用绿色波长，通过使用这种波长，水下测绘可以一直测量到水底。同样，河流和测深调查能够绘制陆地和水生系统的地图。2、洪水预警，通过使用LiDAR测量地表，水文学家可以建立数字高程模型。从这里，使用者可以在洪水发生之前绘制出容易被淹没的区域。在这方面，激光雷达可以提供洪水预警系统，保障居民生命财产安全。保险公司也可以使用这些数据收取更高的保费，这只是保险业中用于评估风险的众多GIS应用程序之一。激光雷达在机器人避障中发挥了关键作用。山西激光雷达渠道
有几个原因：我们这里说的激光雷达，是指 TOF 激光雷达，TOF 测距，靠的是 TDC 电路提供计时，用光速乘以单向时间得到距离，但限于成本，TDC 一般由 FPGA 的进位链实现，本质上是对一个低频的晶振信号做差值，实现高频的计数。所以，测距的精度，强烈依赖于这个晶振的精度。而晶振随着时间的推移，存在累计误差；距离越远，接收信号越弱，雷达自身的寻峰算法越难以定位到较佳接收时刻，这也造成了精度的劣化；而由于激光雷达检测障碍物的有效距离和较小垂直分辨率有关系，也就是说角度分辨率越小，则检测的效果越好。如果两个激光光束之间的角度为 0.4°，那么当探测距离为 200m 的时候，两个激光光束之间的距离为200m*tan0.4°≈1.4m。也就是说在 200m 之后，只能检测到高于 1.4m 的障碍物了。如果需要知道障碍物的类型，那么需要采用的点数就需要更多，距离越远，激光雷达采样的点数就越少，可以很直接的知道，距离越远，点数越少，就越难以识别准确的障碍物类型。自动驾驶激光雷达渠道览沃 Mid - 360 带来全新感知方案，助力移动机器人功能升级。
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
测距准度：激光雷达探测得到距离数据与真值之间的差距,准度越高表示测量结果与真实数据符合程度越高。点频：激光雷达每秒完成探测并获取的探测点的数目。抗干扰：激光雷达对工作同一环境下、采用相同激光波段的其他激光雷达的干扰信号的抵抗能力,抗干扰能力越强说明在多台激光雷达共同工作的条件下产生的噪点率越低功耗：激光雷达系统工作状态下所消耗的电功率。激光雷达线数：一般指激光雷达垂直方向上的测量线的数量,对于一定的角度范围,线数越多表示角度分辨率越高,对目标物的细节分辨能力越强。轻巧易隐藏布置，览沃 Mid - 360 兼顾机器人美观与功能。
也有使用相干法，即为调频连续波（FMCW）激光雷达发射一束连续的光束，频率随时间稳定地发生变化。由于源光束的频率在不断变化，光束传输距离的差异会导致频率的差异，将回波信号与本振信号混频并经低通滤波后，得到的差频信号是光束往返时间的函数。调频连续波激光雷达不会受到其他激光雷达或太阳光的干扰且无测距盲区；还可以利用多普勒频移测量物体的速度和距离。调频延续波 LiDAR 概念并不新颖，但是面对的技术挑战不少，例如发射激光的线宽限制、线性调频脉冲的频率范围、线性脉冲频率变化的线性度，以及单个线性调频脉冲的可复制性等。激光雷达在医疗领域被用于人体三维扫描和诊断。福建激光雷达厂商
采用主动抗串扰设计，览沃 Mid - 360 在多雷达环境下稳定运行互不干扰。山西激光雷达渠道
这类形体对现实世界的表达能力有限，绝大部分目标难以用这些形体或其组合来近似。后续研究主要集中于三维自由形态目标的识别，所谓自由形态目标，即表面除了顶点、边缘以及尖拐处之外处处都有良好定义的连续法向量的目标（如飞行器、汽车、轮船、建筑物、雕塑、地表等）。由于现实世界中的大部分物体均可认为是自由形态目标，因此三维自由形态目标识别算法的研究较大程度上扩展了识别系统的适用范围。在过去二十余年间，三维目标识别任务针对的数据量不断增加，识别难度不断上升，而识别率亦不断提高。山西激光雷达渠道
