当我们用当前帧和整个点云地图进行匹配的时候，我们便能得到传感器在整个地图中的位姿，从而实现在地图中的定位。传感器车规化，固态激光雷达取消了机械结构，能够击中目前机械旋转式的成本和可靠性的痛点，是激光雷达的发展方向。除了这两大迫切解决的痛点外，目前量产的激光雷达探测距离不足，只能满足低速场景（如厂区内、校园内等）的应用。日常驾驶、高速驾驶的场景仍在测试过程中。当前机械式激光雷达的价格十分昂贵，Velodyne 在售的 64/32/16 线产品的官方定价分别为 8 万/4 万/8 千美元。一方面，机械式激光雷达由发射光源、转镜、接收器、微控马达等精密零部件构成，制造难度大、物料成本较高；另一方面，激光雷达仍未大规模进入量产车、需求量小，研发费用等固定成本难以摊薄。 量产 100 万台 VLP-32后，那么其售价将会降至 400 美元左右。360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。livox激光雷达定制价格
激光光源，由于激光器发射的光线需要投射至整个FOV平面区域内，除了面光源可以直接发射整面光线外，点光源则需要做二维扫描覆盖整个FOV区域，线光源需要做一维扫描覆盖整个FOV区域。其中点光源根据光源发射的形式又可以分为EEL（Edge-Emitting Laser边发射激光器）和VCSEL（Vertical-Cavity Surface-Emitting Laser垂直腔面发射激光器）两种，二者区别在于EEL激光平行于衬底表面发出（如图1），VCSEL激光垂直于衬底表面发出（如图2）。其中VCSEL式易于进行芯片式阵列布置，通常使用此类光源进行阵列式布置形成线光源（一维阵列）或面光源（二维阵列），VCSEL光源剖面图与二维阵列光源芯片示意图如下测距激光雷达行价自动驾驶巴士借助激光雷达感知周边，安全接送乘客。
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。
LiDAR还能够用于确定测量目标的速度。这可以通过多普勒方法或快速连续测距来实现。例如，可以使用LiDAR系统测量风速和车速。另外，LiDAR系统能够用于建立动态场景的三维模型，这是自动驾驶中会遇到的情形。这可以通过多种方式来实现，通常使用的是扫描的方式。LiDAR 技术中的挑战，在可实现的LiDAR系统中存在一些众所周知的挑战。这些挑战根据LiDAR系统的类型有所不同。以下是一些示例：隔离和抑制发射光束的信号——探测光束的辐射亮度通常远大于回波光束。必须注意确保探测光束不会被系统自身反射或散射回接收器，否则探测器将会因为饱和而无法探测外部目标。安装布置灵活，览沃 Mid - 360 满足移动机器人各种复杂安装场景。
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Mid - 360可达70 米 @80% 反射率探测，适应室内外不同光照。工业激光雷达供应商
Mid - 360 小巧体积，安装布置灵活，满足移动机器人多样安装需求。livox激光雷达定制价格
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。livox激光雷达定制价格
