分類，激光雷達按結構不同大致可以分為：機械旋轉激光雷達、混合半固態激光雷達和全固態激光雷達（Flash快閃和OPA相控陣，統稱為非掃描式）。（一）機械旋轉激光雷達，機械式激光雷達體積大、成本較高、裝配難。它通過旋轉實現橫向360度的覆蓋面，通過內部鏡片實現垂直角度的覆蓋面，同比有著更耐用穩定的特點，所以我們看到的自動駕駛路試車大多采用這種類型，雷達在車頂不停的在旋轉完成橫向掃描，靠增加激光束，實現縱向寬泛的掃描。（二）混合半固態激光雷達。按照掃描方式分為：轉鏡、硅基MEMS、振鏡+轉鏡、旋轉透射棱鏡。激光雷達在智能機器人導航中發揮著至關重要的作用。北京車載激光雷達制造

泛光面陣式（FLASH），泛光面陣式是目前全固態激光雷達中較主流的技術，其原理也就是快閃，它不像 MEMS 或 OPA 的方案會去進行掃描，而是短時間直接發射出一大片覆蓋探測區域的激光，再以高度靈敏的接收器，來完成對環境周圍圖像的繪制。我們以目前較為成熟的車載 MEMS 式激光雷達為例，講解其關鍵的硬件參數。這主要是因為激光發射器和接收器不能做在一起導致的，此方案本身便存在小量的誤差?，F在很多方案，都是向著共軸努力。激光雷達的測距精度，隨著距離的變化而變化。無人駕駛激光雷達覽沃 Mid - 360 混合固態技術優越，實現 360° 全向超大視場角感知。

在三維模型重建方面，較初的研究集中于鄰接關系和初始姿態均已知時的點云精配準、點云融合以及三維表面重建。在此，鄰接關系用以指明哪些點云與給定的某幅點云之間具有一定的重疊區域，該關系通常通過記錄每幅點云的掃描順序得到。而初始姿態則依賴于轉臺標定、物體表面標記點或者人工選取對應點等方式實現。這類算法需要較多的人工干預，因而自動化程度不高。接著，研究人員轉向點云鄰接關系已知但初始姿態未知情況下的三維模型重建，常見方法有基于關鍵點匹配、基于線匹配、以及基于面匹配 等三類算法。

輔助駕駛，在目前的L2/L3級高級輔助駕駛中，激光雷達可覆蓋前向視場（水平視場角覆蓋60°到120°）以實現自動跟車或者高速自適應巡航等功能。通過發射信號和反射信號的對比，構建出點云圖，從而實現諸如目標距離、方位、速度、姿態、形狀等信息的探測和識別。除了傳統的障礙物檢測以外，激光雷達還可以應用于車道線檢測。優點在于測距遠、精度高，獲取信息豐富，抗源干擾能力強。自動駕駛，未來，L4/L5級無人駕駛應用的實現，有賴于激光雷達提供的感知信息。激光雷達是一種可以掃描周圍環境并生成三維圖像的傳感器。它可以被用于識別障礙物、構建地圖和定位車輛等應用場景。該級別應用需要面對復雜多變的行駛環境，對激光雷達性能水平要求較高，在要求360°水平掃描范圍的同時，對于低反射率物體的較遠測距能力需要達到200m，且需要更高的線數以及更密的點云分辨率；同時為了減少噪點還需要激光雷達具有抵抗同環境中其他激光雷達干擾的能力。管道檢測使用激光雷達探查內部，預防泄漏等事故。

LiDAR 技術的其它應用，LiDAR 的應用范圍普遍而多樣。在大氣科學中，LiDAR已被用于檢測多種大氣成分。已經應用于表征大氣中的氣溶膠，研究高層大氣風，剖面云，幫助收集天氣數據，以及其它許多應用場合。在天文學中，LiDAR已被用于測量距離，包括遠距離物體（例如月球）和近距離物體。實際上，LiDAR是將地月距離測量的精度提高到毫米級的關鍵設備。LiDAR還在天文學應用中用于建立導星。在考古學中，LiDAR已被用于繪制茂密森林樹冠下的古代交通系統地圖?？脊虐l掘使用激光雷達掃描遺址，助力文物保護研究。重慶補盲激光雷達

通過分析激光雷達數據，研究人員能夠精確評估環境變化。北京車載激光雷達制造

激光雷達能夠準確輸出障礙物的大小和距離，通過算法對點云數據的處理可以輸出障礙物的3D框，如：3D行人檢測、3D車輛檢測等；亦可進行車道線檢測、場景分割等任務。除了障礙物感知，激光雷達還可以用來制作高精度地圖。地圖采集過程中，激光雷達每隔一小段時間輸出一幀點云數據，這些點云數據包含環境的準確三維信息，通過把這些點云數據做拼接，就可以得到該區域的高精度地圖。在定位方面，智能車在行駛過程中利用當前激光雷達采集的點云數據幀和高精度地圖做匹配，可以獲取智能車的位置。北京車載激光雷達制造