LiDAR的数据，三维点，对于旋转式激光雷达来说，得到的三维点便是一个很好的极坐标系下的多个点的观测，包含激光发射器的垂直俯仰角，发射器的水平旋转角度，根据激光回波时间计算得到的距离。但 LiDAR 通常会输出笛卡尔坐标系下的观测值，头一是因为 LiDAR 在极坐标系下测量效率高，也只是对于旋转式 LiDAR，目前阵列式 LiDAR 也有很多。第二笛卡尔坐标系更加直观，投影和旋转平移更加简洁，求解法向量，曲率，顶点等特征计算量小，点云的索引及搜索都更加高效。对于 MEMS 式激光雷达，由于一次采样周期为一个偏振镜旋转周期，10hz 下采样周期为 0.1 秒，但由于载体本身在进行高速移动时，我们需要对得到的数据进行消除运动畸变，来补偿采样周期内的运动。矿山开采中激光雷达监测地形变化，预防潜在地质灾害。无人驾驶激光雷达参考价
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。深圳livox激光雷达渠道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。
目前，LiDAR已普遍应用于各个领域。在大气科学中，LiDAR被用于空气质量监测和污染物检测；在天文学领域，LiDAR技术可用于观察行星表面地貌特征以及太阳系内其他天体的形态结构；在工程建设方面，利用LiDAR技术可以快速获取地形数据、制作数字高程模型（DEM）以及生成精确的三维地图；而在汽车领域中，人们普遍认为LiDAR是一项关键的光学距离感知技术，在自动驾驶领域得到了普遍应用。几乎所有投入自动驾驶研发的厂商都将LiDAR视为一项关键技术，并且已经有一些低成本、小体积的LiDAR系统被应用于高级驾驶辅助系统（Advanced Driver Assistance Systems, ADAS）。
旋转透射棱镜：棱镜激光雷达也称为双楔形棱镜激光雷达，内部包括两个楔形棱镜，激光在通过头一个楔形棱镜后发生一次偏转，通过第二个楔形棱镜后再一次发生偏转。控制两面棱镜的相对转速便可以控制激光束的扫描形态。棱镜激光雷达累积的扫描图案形状像花瓣，中心点扫描次数密集，圆的边缘则相对稀疏，扫描时间持久才能丰富图像，所以需要加入多个激光雷达共工作，以便达到更高的效果。棱镜可以通过增加激光线束和功率实现高精与长距离探测，但结构复杂、体积更难控制，轴承与衬套磨损风险较大。激光雷达的智能化校准功能减少了人工干预的需要。
这里就来分享一下激光雷达在实际应用中的那些小细节~工作原理：激光雷达是基于时间飞行（TOF）工作原理；激光雷达发射激光脉冲，并测量此脉冲经被测目标表面反射后返回的时间，然后换算成距离数据发射光和接受光时间差为t，c为光速，则雷达与目标的距离为雷达通过一个反射镜对测距激光脉冲进行反射。当反射镜被电机带动旋转时，从而形成一个与旋转轴垂直的扫描平面。雷达定时发出脉冲光，同时电机带动发射镜旋转，这样就可以构成二维点云数据。激光雷达的智能化处理提高了数据解析的自动化水平。上海Hap激光雷达供应
览沃 Mid - 360 混合固态技术优越，实现 360° 全向超大视场角感知。无人驾驶激光雷达参考价
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。无人驾驶激光雷达参考价
