视场角与分辨率，激光雷达视场角分为水平视场角和垂直视场角，水平视场角即为在水平方向上可以观测的角度范围，旋转式激光雷达旋转一周为 360°，所以水平视场角为 360°。垂直视场角为在垂直方向上可以观测的角度，一般为 40°。而它并不是对称均匀分布的，因为我们主要是需要扫描路面上的障碍物，而不是把激光打向天空，为了良好的利用激光，因此激光光束会尽量向下偏置一定的角度。并且为了达到既检测到障碍物，同时把激光束集中到中间感兴趣的部分，来更好的检测车辆，激光雷达的光束不是垂直均匀分布的，而是中间密，两边疏。 可以看到激光雷达的有一定的偏置，向上的角度为 15°，向下的为 25°，并且激光光束中间密集，两边稀疏。激光雷达在智能机器人导航中发挥着至关重要的作用。无人驾驶激光雷达正规
激光雷达按照测距方法可以分为飞行时间（TimeofFlight，ToF）测距法、基于相干探测FMCW测距法、以及三角测距法等，其中ToF与FMCW能够实现室外阳光下较远的测程（100～250m），是车载激光雷达的好选择方案。ToF是目前市场车载中长距激光雷达的主流方案，未来随着FMCW激光雷达整机和上游产业链的成熟，ToF和FMCW激光雷达将在市场上并存。根据激光雷达按测距方法分类：ToF法：通过直接测量发射激光与回波信号的时间差，基于光在空气中的传播速度得到目标物的距离信息，具有响应速度快、探测精度高的优势。FMCW法：将发射激光的光频进行线性调制，通过回波信号与参考光进行相干拍频得到频率差，从而间接获得飞行时间反推目标物距离。FMCW激光雷达具有可直接测量速度信息以及抗干扰（包括环境光和其他激光雷达）的优势。障碍物入侵监测激光雷达厂家供应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。
优劣势分析，优势：OPA激光雷达发射机采用纯固态器件，没有任何需要活动的机械结构，因此在耐久度上表现更出众；虽然省去机械扫描结构，但却能做到类似机械式的全景扫描，同时在体积上可以做得更小，量产后的成本有望较大程度上降低。劣势：OPA激光雷达对激光调试、信号处理的运算力要求很大，同时，它还要求阵列单元尺寸必须不大于半个波长，因此每个器件尺寸只500nm左右，对材料和工艺的要求都极为苛刻，由于技术难度高，上游产业链不成熟，导致 OPA 方案短期内难以车规级量产，目前也很少有专注开发OPA激光雷达的Tier1供应商。
反射强度，LiDAR 返回的每个数据中，除了根据速度和时间计算出的反射强度其实是指激光点回波功率和发射功率的比值。而激光的反射强度根据现有的光学模型，可以较好的刻画为以下模型。我们可以看到，激光点的反射率和距离的平方成反比，和物体的入射角成反比。入射角是入射光线与物体表面法线的夹角。时间戳和编码信息，LiDAR 通常从硬件层面支持授时，即有硬件 trigger 触发 LiDAR 数据，并支持给这一帧数据打上时间戳。通常会提供支持三种时间同步接口，IEEE 15882008同步，遵循精确时间协议，通过以太网对测量以及系统控制实现精确的时钟同步。激光雷达的远程测量能力使其适用于大型工程监测。
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。激光雷达在气象观测中用于监测大气流动和降水情况。障碍物入侵监测激光雷达厂家供应
混合固态技术赋能，Mid - 360 实现 360° 全向超大视场角感知。无人驾驶激光雷达正规
激光雷达的优劣势分析，优势：转镜式激光雷达的激光发射和接收装置是固定的，所以即使有【旋转机构】，也可以把产品体积做小，进而降低成本。并且旋转机构只有反射镜，整体重量比较轻，电机轴承的负荷小，系统运行起来更稳定，寿命更长，是符合车规量产的优势条件。劣势：因为有【旋转机构】这样的机械形式的存在，便不可避免地在长期运行之后，激光雷达的稳定性、准确度会受到影响。其次，一维式的扫描线数少，扫描角度不能到360度。无人驾驶激光雷达正规
