激光雷达能够准确输出障碍物的大小和距离，通过算法对点云数据的处理可以输出障碍物的3D框，如：3D行人检测、3D车辆检测等；亦可进行车道线检测、场景分割等任务。除了障碍物感知，激光雷达还可以用来制作高精度地图。地图采集过程中，激光雷达每隔一小段时间输出一帧点云数据，这些点云数据包含环境的准确三维信息，通过把这些点云数据做拼接，就可以得到该区域的高精度地图。在定位方面，智能车在行驶过程中利用当前激光雷达采集的点云数据帧和高精度地图做匹配，可以获取智能车的位置。探测距离可为 10cm，览沃 Mid - 360 小盲区优势实现精确感知。云南POE激光雷达
给定两个来自不同坐标系的三维数据点集，找到两个点集空间的变换关系，使得两个点集能统一到同一坐标系统中，这个过程便称为配准。配准的目标是在全局坐标框架中找到单独获取的视图的相对位置和方向，使得它们之间的相交区域完全重叠。对于从不同视图（views）获取的每一组点云数据，点云数据很有可能是完全不相同的，需要一个能够将它们对齐在一起的单一点云模型，从而可以应用后续处理步骤，如分割和进行模型重建。目前对配准过程较常见的主要是 ICP 及其变种算法，NDT 算法，和基于特征提取的匹配。广东傲览Avia激光雷达供应览沃 Mid - 360 水平 360° 视场角，全角度感知周围环境无遗漏。
激光雷达的市场概况：全球市场概况，激光雷达过去用于工业测绘、气象监测等领域，未来车载领域将成为较重要细分。气象监测、地形测绘与车载、机器人领域对激光雷达的技术要求不同，分属不同细分市场。下游需求刺激行业快速发展，激光雷达市场规模有望达百亿美元。受益于无人驾驶、高级辅助驾驶（ADAS）和服务机器人领域的需求，有望迎来高速增长期。据Velodyne预测，2022年智能驾驶将占总市场规模的60.5%，成为激光雷达产业较大的增长极，工业、无人机、机器人领域各占比24.4%、8.4%、4.2%。
1951年，美国物理学家Purcel(珀赛尔)在用微波波谱学的方法制定核磁矩的同时，意外地观察到了50HZ的受激辐射，并把粒子数反转称为“负温1度”状态，这使人们对玻尔兹曼分布有了更全方面也更深刻的认识。同年，美国物理学家(Townes)汤斯提出了受激辐射微波放大的设想。1954年，汤斯和她的两个学生戈登、曹格尔一起研制成功了波长为1.25cm的氨分子振荡器,并把它称为受激辐射微波放大器，按其字母缩写为MASER，简称脉泽。时间来到1958年，汤斯与肖洛联名在《物理评论》上发表了论文《红外与光激射器》，这标志着激光作为一种新事物登上了历史舞台。1960年，梅安研制的红宝石激光器发出了694.3nm红价激光，这是世界上公认的头一台激光器。激光雷达在地质勘探中实现了对地下矿藏的精确定位。
不同车载传感器的比较，目前，激光雷达、毫米波雷达和摄像头是公认的自动驾驶的三大关键传感器技术。从技术上看，激光雷达与其他两者相比具备强大的空间三维分辨能力。中国汽车工程学会、国汽智联汽车研究院编写的《中国智能网联汽车产业发展报告（2019）》称，当前在人工智能的重要应用场景智能网联汽车的自动驾驶和辅助驾驶领域中，激光雷达是实现环境感知的主要传感器之一。报告认为，在用于道路信息检测的传感器中，激光雷达在探测距离、精确性等方面，相比毫米波雷达具有一定的优势。激光雷达在物流领域提高了货物分拣和配送的效率。江苏连续波激光雷达规格
览沃 Mid - 360 主动抗串扰，在室内多雷达场景中保持稳定探测。云南POE激光雷达
多传感器融合，在环境监测传感器中，超声波雷达主要用于倒车雷达以及自动泊车中的近距离障碍监测，摄像头、毫米波雷达和激光雷达则普遍应用于各项 ADAS 功能中。四类传感器的探测距离、分辨率、角分辨率等探测参数各异，对应于物体探测能力、识别分类能力、三维建模、抗恶劣天气等特性优劣势分明。各种传感器能形成良好的优势互补，融合传感器的方案已成为主流的选择。激光雷达LiDAR的全称为Light Detection and Ranging激光探测和测距，又称光学雷达。云南POE激光雷达
