回波模式，即周期采集点数，因为激光雷达在旋转扫描，因此水平方向上扫描的点数和激光雷达的扫描频率有一定的关系，扫描越快则点数会相对较少，扫描慢则点数相对较多。一般这个参数也被称为水平分辨率，比如激光雷达的水平分辨率为 0.2°，那么扫描的点数为 360°/0.2°=1800，也就是说水平方向会扫描1800次。次。同一轮发光测距的不同回波数据，比如同时包含较强回波和较晚回波。有效检测距离，激光雷达是一个收发异轴的光学系统（其实所有的机械雷达都是），也就是说，发射出去的激光光路，和返回的激光光路，并不重合。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。FOV激光雷达渠道
配准 registration，ICP 算法较早由 Chen and Medioni，and Besl and McKay 提出。其算法本质上是基于较小二乘法的较优配准方法。该算法重复进行选择对应关系点对，计算较优刚体变换这一过程，直到根据点对的欧氏距离定义的损失函数满足正确配准的收敛精度要求。ICP 是一个普遍使用的配准算法，主要目的就是找到旋转和平移参数，将两个不同坐标系下的点云，以其中一个点云坐标系为全局坐标系，另一个点云经过旋转和平移后两组点云重合部分完全重叠。浙江工业激光雷达哪家好览沃 Mid - 360 探测距离可为 10cm，小盲区配合小巧体积，轻松实现无盲区覆盖。
辅助驾驶，在目前的L2/L3级高级辅助驾驶中，激光雷达可覆盖前向视场（水平视场角覆盖60°到120°）以实现自动跟车或者高速自适应巡航等功能。通过发射信号和反射信号的对比，构建出点云图，从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除了传统的障碍物检测以外，激光雷达还可以应用于车道线检测。优点在于测距远、精度高，获取信息丰富，抗源干扰能力强。自动驾驶，未来，L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。激光雷达是一种可以扫描周围环境并生成三维图像的传感器。它可以被用于识别障碍物、构建地图和定位车辆等应用场景。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求较高，在要求360°水平扫描范围的同时，对于低反射率物体的较远测距能力需要达到200m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。
当三维点较为稠密的时候，可以像视觉一样提取特征点和其周围的描述子，主要通过选择几何属性（如法线和曲率）比较有区分度的点，在计算其局部邻域的几何属性的统计得到关键点的描述子，而当处理目前市面上的激光雷达得到的单帧点云数据时，由于点云较为稀疏，主要依靠每个激光器在扫描时得到的环线根据曲率得到特征点。而有了两帧点云的数据根据配准得到了相对位姿变换关系后，我们便可以利用激光雷达传感器获得的数据来估计载体物体的位姿随时间的变化而改变的关系。比如我们可以利用当前帧和上一帧数据进行匹配，或者当前帧和累计堆叠出来的子地图进行匹配，得到位姿变换关系，从而实现里程计的作用。在夜间和恶劣天气下，激光雷达能有效提升车辆的感知能力。
LiDAR 数据通常在空中收集，如NOAA在加州大苏尔Bixby大桥上空的调查飞机（右图）。这里的LiDAR数据显示了Bixby大桥的俯视图（左上）和侧视图（左下）。NOAA的科学家使用基于LiDAR的装置检查自然和人造环境。LiDAR数据支持洪水和风暴潮建模、水动力建模、海岸线测绘、应急响应、水文测量以及海岸脆弱性分析等活动。此外，地形LiDAR使用近红外激光绘制地形和建筑物地图，而测深LiDAR使用透水绿光绘制海底和河床地图。在农业中，LiDAR可用于绘制拓扑图和作物生长图，从而提供有关肥料需求和灌溉需求的信息。360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。上海微波激光雷达
港口作业借助激光雷达引导装卸，提升集装箱操作准度。FOV激光雷达渠道
Flash激光雷达，Flash激光雷达采用类似Camera的工作模式，但感光元件与普通相机不同，每个像素点可记录光子飞行时间。由于物体具有三维空间属性，照射到物体不同部位的光具有不同的飞行时间，被焦平面探测器阵列探测，输出为具有深度信息的“三维”图像。根据激光光源的不同，Flash激光雷达可以分为脉冲式和连续式，脉冲式可实现远距离探测（100米以上），连续式主要用于近距离探测（数十米）。Flash激光雷达的优势在于能够快速记录整个场景，避免了扫描过程中目标或Lidar自身运动带来的误差。其缺点是探测距离近。FOV激光雷达渠道
