发射模组：Flash激光雷达采用的是垂直腔面发射激光器（VerticalCavitySurfaceEmittingLaser，VCSEL），比其他激光器更小、更轻、更耐用、更快、更易于制造，并且功率效率更高。接收模组：Flash激光雷达的性能主要取决于焦平面探测器阵列的灵敏度。焦平面探测器阵列可使用PIN型光电探测器，在探测器前端加上透镜单元并采用高性能读出电路，可实现短距离探测。对于远距离探测需求，需要使用到雪崩型光电探测器，其探测的灵敏度高，可实现单光子探测，基于APD的面阵探测器具有远距离单幅成像、易于小型化等优点。优点：一次性实现全局成像来完成探测，无需考虑运动补偿；无扫描器件，成像速度快；集成度高，体积小；芯片级工艺，适合量产；全固态优势，易过车规缺点：激光功率受限，探测距离近；抗干扰能力差；角分辨率低突破传统，览沃 Mid - 360 为移动机器人提供全新环境感知选择。湖北隧道激光雷达
测远能力: 一般指激光雷达对于10%低反射率目标物的较远探测距离。较近测量距离：激光雷达能够输出可靠探测数据的较近距离。测距盲区：从激光雷达外罩到较近测量距离之间的范围,这段距离内激光雷达无法获取有效的测量信号,无法对目标物信息进行反馈。角度盲区：激光雷达视场角范围没有覆盖的区域,系统无法获取这些区域内的目标物信息。角度分辨率：激光雷达相邻两个探测点之间的角度间隔,分为水平角度分辨率与垂直角度分辨率。相邻探测点之间角度间隔越小,对目标物的细节分辨能力越强。辽宁AGV激光雷达小巧设计易隐藏，览沃 Mid - 360 为机器人外观增添更多设计美感。
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。
泛光面阵式（FLASH），泛光面阵式是目前全固态激光雷达中较主流的技术，其原理也就是快闪，它不像 MEMS 或 OPA 的方案会去进行扫描，而是短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。我们以目前较为成熟的车载 MEMS 式激光雷达为例，讲解其关键的硬件参数。这主要是因为激光发射器和接收器不能做在一起导致的，此方案本身便存在小量的误差。现在很多方案，都是向着共轴努力。激光雷达的测距精度，随着距离的变化而变化。览沃 Mid - 360 从 2D 到 3D 感知升级，提升移动机器人运维效率。
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。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。湖北隧道激光雷达
览沃 Mid - 360 探测距离 可为10cm，小盲区配合小巧体积，轻松实现无盲区覆盖。湖北隧道激光雷达
激光雷达的构成与分类：激光雷达的构成，激光雷达发展到现在，其结构精密且复杂，主要由激光系统、接收系统、信号处理单元和扫描模块四大主要组件构成。激光器以脉冲的方式点亮发射激光，照射到障碍物后对物体进行3D扫描，反射光线经由镜头组汇聚到接收器上。信号处理单元负责控制激光器的发射，并将接收到的模拟信号转为数字信号，然后进入主控芯片进行数据的处理和计算。进一步的，我们可以根据以下指标判断激光雷达的好坏。视场角，视场角决定了激光雷达能够看到的视野范围，分为水平视场角和垂直视场角，视场角越大，表示视野范围越大，反之则表示视野范围越小。湖北隧道激光雷达
