旋转透射棱镜：棱镜激光雷达也称为双楔形棱镜激光雷达，内部包括两个楔形棱镜，激光在通过头一个楔形棱镜后发生一次偏转，通过第二个楔形棱镜后再一次发生偏转。控制两面棱镜的相对转速便可以控制激光束的扫描形态。棱镜激光雷达累积的扫描图案形状像花瓣，中心点扫描次数密集，圆的边缘则相对稀疏，扫描时间持久才能丰富图像，所以需要加入多个激光雷达共工作，以便达到更高的效果。棱镜可以通过增加激光线束和功率实现高精与长距离探测，但结构复杂、体积更难控制，轴承与衬套磨损风险较大。主动抗串扰设计，使 Mid - 360 在多雷达环境中稳定运行不干扰。安防激光雷达厂商
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。贵州激光雷达厂家供应为服务机器人规划路径，助其在室内外自主移动作业。
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
点频，即周期采集点数，因为激光雷达在旋转扫描，因此水平方向上扫描的点数和激光雷达的扫描频率有一定的关系，扫描越快则点数会相对较少，扫描慢则点数相对较多。一般这个参数也被称为水平分辨率，比如激光雷达的水平分辨率为 0.2°，那么扫描的点数为 360°/0.2°=1800，也就是说水平方向会扫描 1800 次。那么激光雷达旋转一周，即一个扫描周期内扫描的点数为 1800*64=115200。比如禾赛 64 线激光雷达，扫描频率为 10Hz 的时候水平角分辨率为 0.2°，在扫描频率为 20Hz 的时候角分辨率为 0.4°（扫描快了，分辨率变低了）。输出的点数和计算的也相符合 1152000 pts/s。园区巡逻借助激光雷达协助车辆，自主巡查维护秩序。
从自动驾驶技术发展来看，L0-L2阶段，传感器与控制系统的革新是主要变化；L3-L4阶段，感知与决策能力的增强是主要变化。L2、L3及L4级别的智能驾驶所需激光雷达台数分别为0台、1台和5台，激光雷达称为推动智能驾驶发展的重要因素。就国内市场而言，中国拥有世界较大的高级辅助驾驶和无人驾驶市场，成长空间也较为广阔。2020年11月发布的《智能网联汽车技术路线图（2.0版）》明确指出到2030年我国L2和L3级渗透率要超过70%。但激光雷达的技术路线仍然有其他的选项尚未成熟，市场目前依然处于群雄逐鹿的状态。伴随着在汽车行业的不断渗透与工业自动化的发展，激光雷达的投资机会可不断给到我们想象空间。10cm 小盲区配合小巧身形，览沃 Mid - 360 为机器人提供无死角视野。贵州觅道Mid-360激光雷达
激光雷达在建筑施工中用于精确测量和定位。安防激光雷达厂商
在实际应用中，很多时候并不知道点云之间的邻接关系。针对此，研究人员开发了较小张树算法和连接图算法以实现邻接关系的计算。总体而言，三维模型重建算法的发展趋势是自动化程度越来越高，所需人工干预越来越少，且应用面越来越广。然而，现有算法依然存在运算复杂度较高、只能针对单个物体、且对背景干扰敏感等问题。研究具有较低运算复杂度且不依赖于先验知识的全自动三维模型重建算法，是目前的主要难点。然而，如何在包含遮挡、背景干扰、噪声、逸出点以及数据分辨率变化等的复杂场景中实现对感兴趣目标的检测识别与分割，仍然是一个富有挑战性的问题。安防激光雷达厂商
