要知道光速是每秒30万公里。要区分目标厘米级别的精确距离，那对传输时间测量分辨率必须做到1纳秒。要如此精确的测量时间，因此对应的测量系统的成本就很难降到很低，需要使用巧妙的方法降低测量难度。首先，我们需要明确，激光雷达并不是单独运作的，一般是由激光发射器、接收器和惯性定位导航三个主要模块组成。当激光雷达工作的时候，会对外发射激光，在遇到物体后，激光折射回来被CMOS传感器接收，从而测得本体到障碍物的距离。从原理来看，只要需要知道光速、和从发射到CMOS感知的时间就可以测出障碍物的距离，再结合实时GPS、惯性导航信息与计算激光雷达发射出去角度，系统就可以得到前方物体的坐标方位和距离信息。采用主动抗串扰设计，览沃 Mid - 360 在多雷达环境下稳定运行互不干扰。北京非重复扫描激光雷达
泛光面阵式（FLASH），泛光面阵式是目前全固态激光雷达中较主流的技术，其原理也就是快闪，它不像 MEMS 或 OPA 的方案会去进行扫描，而是短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。我们以目前较为成熟的车载 MEMS 式激光雷达为例，讲解其关键的硬件参数。这主要是因为激光发射器和接收器不能做在一起导致的，此方案本身便存在小量的误差。现在很多方案，都是向着共轴努力。激光雷达的测距精度，随着距离的变化而变化。四川航道激光雷达通过分析激光雷达数据，研究人员能够精确评估环境变化。
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。
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。激光雷达的实时性使其成为智能交通系统的重要组成部分。
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。轻巧易隐藏布置，览沃 Mid - 360 兼顾机器人美观与功能。广东傲览Avia激光雷达市价
览沃 Mid - 360 主动抗串扰，在室内多雷达场景中保持稳定探测。北京非重复扫描激光雷达
优劣势分析，优势：OPA激光雷达发射机采用纯固态器件，没有任何需要活动的机械结构，因此在耐久度上表现更出众；虽然省去机械扫描结构，但却能做到类似机械式的全景扫描，同时在体积上可以做得更小，量产后的成本有望较大程度上降低。劣势：OPA激光雷达对激光调试、信号处理的运算力要求很大，同时，它还要求阵列单元尺寸必须不大于半个波长，因此每个器件尺寸只500nm左右，对材料和工艺的要求都极为苛刻，由于技术难度高，上游产业链不成熟，导致 OPA 方案短期内难以车规级量产，目前也很少有专注开发OPA激光雷达的Tier1供应商。北京非重复扫描激光雷达
