线数，线数越高，表示单位时间内采样的点就越多，分辨率也就越高，目前无人驾驶车一般采用32线或64线的激光雷达。分辨率，分辨率和激光光束之间的夹角有关，夹角越小，分辨率越高。固态激光雷达的垂直分辨率和水平分辨率大概相当，约为0.1°，旋转式激光雷达的水平角分辨率为0.08°，垂直角分辨率约为0.4°。探测距离，激光雷达的较大测量距离。在自动驾驶领域应用的激光雷达的测距范围普遍在100~200m左右。测量精度，激光雷达的数据手册中的测量精度(Accuracy)常表示为，例如±2cm的形式。精度表示设备测量位置与实际位置偏差的范围。轻巧身躯易嵌入，览沃 Mid - 360 为移动机器人外观一体化设计助力。北京FOV激光雷达
发射端与预定目标之间的大气杂质会产生虚假回波——这些大气杂质产生的虚假回波可能会非常强烈，以至于无法可靠的检测到来自预定目标物的回波信号。可用光功率限制——更高功率的光束可以提供更高的精度，但也更加昂贵。扫描速度——激光光源的工作频率可能对人眼造成危害并引发安全问题，然而我们可以通过其他方法来缓解这个问题。例如，固态LiDAR能够在不威胁人眼安全的波长下运行，并且还能照亮更广阔的区域。来自附近其他LiDAR装置的信号串扰可能会干扰目标信号。上海三维激光雷达市价激光雷达的抗干扰能力强，保证了数据的准确性。
楔形棱镜旋转雷达，收发模块的PLD（PulsedLaserDiode）发射出激光，通过反射镜和凸透镜变成平行光，扫描模块的两个旋转的棱镜改变光路，使激光从某个角度发射出去。激光打到物体上，反射后从原光路回来，被APD接收。与MEMSLidar相比，它可以做到很大的通光孔径，距离也会测得较远。与机械旋转Lidar相比，它极大地减少了激光发射和接收的线数，降低了对焦与标定的复杂度，大幅提升生产效率，降低成本。优点：非重复扫描，解决了机械式激光雷达的线式扫描导致漏检物体的问题；可实现随着扫描时间增加，达到近100％的视场覆盖率；没有电子元器件的旋转磨损，可靠性更高，符合车规。缺点：单个雷达的FOV较小，视场覆盖率取决于积分时间；独特的扫描方式使其点云的分布不同于传统机械旋转Lidar，需要算法适配。
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；角分辨率低激光雷达在虚拟现实技术中实现了真实世界的数字化重建。
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。览沃 Mid - 360 带来全新感知方案，助力移动机器人功能升级。上海工业激光雷达价格
览沃 Mid - 360 实现感知升维，助力移动机器人自主完成复杂环境建图。北京FOV激光雷达
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北京FOV激光雷达
