自动驾驶汽车中的汽车传感器使用摄像头数据、雷达和LiDAR来检测周围的物体，自动驾驶汽车使用LiDAR传感器探测周围建筑和车辆，开发LiDAR 系统所需要的软件工具，软件在LiDAR系统的创建和运行中的各个环节都非常关键。系统工程师需要辐射模型来预测回波信号的信噪比。电子工程师需要电子模型来建立电气设计。机械工程师需要CAD工具来完成系统布局。还可能会需要结构和热建模软件。LiDAR系统的运行需要控制软件和将点云转换并重建为三维模型的软件。而LiDAR是利用光作为探测媒介来感知周围的系统，因此光学工程师运用光学软件设计可靠稳定的光学系统是关键。激光雷达在地质勘探中实现了对地下矿藏的精确定位。河北微波激光雷达
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。深圳觅道Mid-70激光雷达行价从 2D 升至 3D 感知，Mid - 360 提升移动机器人室内感知与运维效率。
激光雷达对策：在实际使用中，对环境中的透明介质，特别是表面接近镜面的透明介质，需要做特殊处理，避免产生不稳定或错误的测量结果。具体的处理方式可以是对介质表面做漫反射半透明处理，降低透明度和反射能力，或者在处理测量数据时对这些位置做屏蔽。当雷达对镜面目标进行测量时，需要注意！！只当目标表面与入射激光垂直时才能有效测量，如果激光入射角不垂直，其漫反射率很低，导致无法有效测量，实际测量到的结果是镜面反射光路上的镜像目标距离，雷达投射在镜面目标产生了全反射，全反射光投射在目标，雷达实际测试出距离是虚线边框目标距离。
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。激光雷达在智能机器人导航中发挥着至关重要的作用。
反射率，反射率是指物体反射的辐射能量占总辐射能量的百分比，比如说某物体的反射率是20%，表示物体接收的激光辐射中有20%被反射出去了。不同物体的反射率不同，这主要取决于物体本身的性质（表面状况），如果反射率太低，那么激光雷达收不到反射回来的激光，导致检测不到障碍物。激光雷达一般要求物体表面的反射率在10%以上，用激光雷达采集高精度地图的时候，如果车道线的反射率太低，生成的高精度地图的车道线会不太清晰。扫描帧频，激光雷达点云数据更新的频率。对于混合固态激光雷达来说，也就是旋转镜每秒钟旋转的圈数，单位Hz。例如，10Hz即旋转镜每秒转10圈，同一方位的数据点更新10次。激光雷达在物流领域提高了货物分拣和配送的效率。重庆三维激光雷达
激光雷达的轻便设计使其便于携带和操作。河北微波激光雷达
发射模组：Flash激光雷达采用的是垂直腔面发射激光器（VerticalCavitySurfaceEmittingLaser，VCSEL），比其他激光器更小、更轻、更耐用、更快、更易于制造，并且功率效率更高。接收模组：Flash激光雷达的性能主要取决于焦平面探测器阵列的灵敏度。焦平面探测器阵列可使用PIN型光电探测器，在探测器前端加上透镜单元并采用高性能读出电路，可实现短距离探测。对于远距离探测需求，需要使用到雪崩型光电探测器，其探测的灵敏度高，可实现单光子探测，基于APD的面阵探测器具有远距离单幅成像、易于小型化等优点。优点：一次性实现全局成像来完成探测，无需考虑运动补偿；无扫描器件，成像速度快；集成度高，体积小；芯片级工艺，适合量产；全固态优势，易过车规缺点：激光功率受限，探测距离近；抗干扰能力差；角分辨率低河北微波激光雷达
