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。激光雷达通过发射激光束，精确测量目标距离，是自动驾驶的关键传感器。湖北高精度激光雷达
多传感器融合，在环境监测传感器中，超声波雷达主要用于倒车雷达以及自动泊车中的近距离障碍监测，摄像头、毫米波雷达和激光雷达则普遍应用于各项 ADAS 功能中。四类传感器的探测距离、分辨率、角分辨率等探测参数各异，对应于物体探测能力、识别分类能力、三维建模、抗恶劣天气等特性优劣势分明。各种传感器能形成良好的优势互补，融合传感器的方案已成为主流的选择。激光雷达LiDAR的全称为Light Detection and Ranging激光探测和测距，又称光学雷达。安徽单线激光雷达设备轻巧的 Mid - 360 便于隐藏式布置，契合移动机器人设计需求。
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。
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。在智能物流中引导 AGV 小车，提升货物搬运仓储效率。
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。环境监测时激光雷达追踪污染物，评估区域环境质量。天津汽车激光雷达规格
览沃 Mid - 360 引入抗干扰设计，在多雷达混行室内环境，主动抗串扰稳定运行。湖北高精度激光雷达
国内市场，中国是激光雷达未来的较大市场之一。根据麦肯锡的预测，中国将是全球较大的自动驾驶市场，也是高级辅助驾驶领域全球较大的新车销售市场。由于人口老龄化和产业升级的影响，需要在减少人力支出的情况下增加生产效率，通过无人驾驶、高级辅助驾驶、服务型机器人通过机器自动化工作来减少人力支出。在2022年中国激光雷达市场规模约为26.4亿元。根据预测，2023年中国激光雷达市场规模将达75.9亿元，2024年将达到139.6亿元。2022年全球靠前的激光雷达公司中，2家车载激光雷达公司都来自中国，分别是禾赛科技和速腾聚创。在政策端，国家近年来不断推出新的政策以支持激光雷达企业的成长与发展。湖北高精度激光雷达
