激光雷达是20世纪60年代初次提出的一项技术， 随着应用的普遍，在过去的几年里，激光雷达经历了一轮新的繁荣进步和多行业使用，已迅速成为自动驾驶、无人机巡查、工业自动化等领域的关键技术。截至目前，我们已推出了好几款激光雷达AS系列产品，涵盖避障型、导航型以及导航避障一体型；具有测量精度高、扫描速度快、抗干扰能力强、体积小、重量轻、可靠性高等优势，是工业AGV、移动机器人、低速机器人的理想选择。每一种传感器基于各自的性能特点，都有其适合的应用场景。在实际特殊环境应用中，激光雷达也有着一些使用小技巧。为服务机器人规划路径，助其在室内外自主移动作业。量子雷达激光雷达厂家
在体积限制下，Flash激光雷达的功率密度不能很高。因此，Flash激光雷达目前的问题是，由于功率密度的限制，无法考虑三个参数：视场角、检测距离和分辨率，即如果检测距离较远，则需要放弃视场角或分辨率；如果需要高分辨率，则需要放弃视场角或检测距离。Flash激光雷达采用面光源泛光成像，其发射的光线会散布在整个视场内，因此不需要折射就可以覆盖FOV区域了，难点在于如何提升其功率密度从而提升探测精度和距离，目前通常使用VCSEL光源组成二维矩阵形成面光源。广东Hap激光雷达正规激光雷达在工业自动化中用于实时监测生产线上的物体的位置。
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
我们可以根据 LiDAR 能描绘出稀疏的三维世界的特点，而扫描得到的障碍物点云通常又比背景更密集，通过分类聚类的方法可以利用其进行感知障碍物。而随着深度学习带来的检测和分割技术上的突破，LiDAR 已经能做到高效的检测行人和车辆，输出检测框，即 3D bounding box，或者对点云中的每一个点输出 label，更有甚者在尝试使用 LiDAR 检测地面上的车道线。在三维目标识别的对象方面，较初研究主要针对立方体、柱体、锥体以及二次曲面等简单形体构成的三维目标。体积小巧的 Mid - 360，轻松嵌入，为机器人外观一体化添可能。
工作原理，，与MEMS微振镜平动和扭转的形式不同，转镜是反射镜面围绕圆心不断旋转，从而实现激光的扫描。在转镜方案中，也存在一面扫描镜（一维转镜）和一纵一横两面扫描镜（二维转镜）两种技术路线。一维转镜线束与激光发生器数量一致，而二维转镜可以实现等效更多的线束，在集成难度和成本控制上存在优势。简而言之，使用转镜折射光线实现激光在FOV区域内的覆盖，通常与线光源配合使用，形成FOV面的覆盖，也可以与振镜组合使用，配合点光源形成FOV面的覆盖。激光雷达在智能交通信号灯控制中实现了车辆流量的精确感知。广东二维激光雷达哪家好
隧道施工借助激光雷达监测变形，保障工程施工安全。量子雷达激光雷达厂家
视场角与分辨率，激光雷达视场角分为水平视场角和垂直视场角，水平视场角即为在水平方向上可以观测的角度范围，旋转式激光雷达旋转一周为 360°，所以水平视场角为 360°。垂直视场角为在垂直方向上可以观测的角度，一般为 40°。而它并不是对称均匀分布的，因为我们主要是需要扫描路面上的障碍物，而不是把激光打向天空，为了良好的利用激光，因此激光光束会尽量向下偏置一定的角度。并且为了达到既检测到障碍物，同时把激光束集中到中间感兴趣的部分，来更好的检测车辆，激光雷达的光束不是垂直均匀分布的，而是中间密，两边疏。 可以看到激光雷达的有一定的偏置，向上的角度为 15°，向下的为 25°，并且激光光束中间密集，两边稀疏。量子雷达激光雷达厂家
