激光雷达的FOV，FOV指激光雷达能够探测到的视场范围，可以从垂直和水平两个维度以角度来衡量范围大小，下图比较形象的展示了激光雷达FOV范围，之所以要提到FOV是因为后面不同的技术路线基本都是为了能够实现对FOV区域内探测。垂直FOV：常见的车载激光雷达通常在25°，形状呈扇形；水平FOV：常见的机械式激光雷达可以达到360°范围，通常布置于车顶；常见的车载半固态激光雷达通常可以达到120°范围，形状呈扇形，可布置于车身或车顶。览沃 Mid - 360 混合固态技术优越，实现 360° 全向超大视场角感知。安徽轨旁入侵激光雷达渠道
关于实际量程：雷达对特定目标的实际量程会受到如下因素的影响：1、目标漫反射率，目标漫反射率不但与材质有关，也与表面朝向有关。目标漫反射率越高，实际量程就越远；2、反射面积，目标表面被激光光斑覆盖的面积。覆盖面积越大，实际测量距离越远；3、透光罩脏污程度，雷达的透光罩脏污会造成透光性能下降，透光性能下降得越多，测量能力越差，透光率下降至 60%时，测量能力可能完全失效；4、大气条件，雷达的实际测量能力同时受到大气条件的影响，特别是在户外工作时。大气的光传播能力越差，雷达的实际测量能力越低。在极端天气条件 (例如浓雾)下，测量能力会完全失效。陕西固态激光雷达激光雷达用于林业监测树木参数，为森林资源评估提供助力。
激光雷达在ADAS应用：海内外持续发展，2025年全球市场规模有望达6.2亿美元。2020年10月，百度在北京全方面开放无人驾驶出租车服务，在13个城市部署总数测试车辆，并且与一汽红旗合作实现了中国首条L4级自动驾驶乘用车生产线建设，具备批量生产能力。根据Forst&Sullivan研究估计，2026年ADAS领域使用激光雷达产业规模有望达12.9亿美元。其中，中国、美国、其他地区分别为6.7/3.5/2.7亿美元。2030年ADAS领域使用激光雷达产业规模有望达64.9亿美元，其中中国、美国、其他地区分别为32.5/13.0/19.5亿美元。
从自动驾驶技术发展来看，L0-L2阶段，传感器与控制系统的革新是主要变化；L3-L4阶段，感知与决策能力的增强是主要变化。L2、L3及L4级别的智能驾驶所需激光雷达台数分别为0台、1台和5台，激光雷达称为推动智能驾驶发展的重要因素。就国内市场而言，中国拥有世界较大的高级辅助驾驶和无人驾驶市场，成长空间也较为广阔。2020年11月发布的《智能网联汽车技术路线图（2.0版）》明确指出到2030年我国L2和L3级渗透率要超过70%。但激光雷达的技术路线仍然有其他的选项尚未成熟，市场目前依然处于群雄逐鹿的状态。伴随着在汽车行业的不断渗透与工业自动化的发展，激光雷达的投资机会可不断给到我们想象空间。激光雷达的抗干扰能力强，保证了数据的准确性。
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。Mid - 360 距离探测可为 10cm，小盲区助力嵌入式无盲区安装。mid-40激光雷达批发价格
测绘领域中激光雷达快速采集地形数据，绘制高精度地图。安徽轨旁入侵激光雷达渠道
在实际应用中，很多时候并不知道点云之间的邻接关系。针对此，研究人员开发了较小张树算法和连接图算法以实现邻接关系的计算。总体而言，三维模型重建算法的发展趋势是自动化程度越来越高，所需人工干预越来越少，且应用面越来越广。然而，现有算法依然存在运算复杂度较高、只能针对单个物体、且对背景干扰敏感等问题。研究具有较低运算复杂度且不依赖于先验知识的全自动三维模型重建算法，是目前的主要难点。然而，如何在包含遮挡、背景干扰、噪声、逸出点以及数据分辨率变化等的复杂场景中实现对感兴趣目标的检测识别与分割，仍然是一个富有挑战性的问题。安徽轨旁入侵激光雷达渠道
