行業上游供應商，激光雷達產業鏈可以分為上游（光學和電子元器件）、中游（集成激光雷達）、下游（不同應用場景）。其中上游為激光發射、激光接收、掃描系統和信息處理四大部分，包含大量的光學和電子元器件。中游為集成的激光雷達產品，下游包括測繪、無人駕駛汽車、高精度地圖、服務機器人、無人機等眾多應用領域。激光器和探測器是激光雷達的重要部件，激光器和探測器的性能、成本、可靠性與激光雷達產品的性能、成本、可靠性密切相關。激光雷達的掃描模式多樣，適應不同場景的需求。廣東軌旁入侵激光雷達規格

激光雷達在ADAS應用：海內外持續發展，2025年全球市場規模有望達6.2億美元。2020年10月，百度在北京全方面開放無人駕駛出租車服務，在13個城市部署總數測試車輛，并且與一汽紅旗合作實現了中國首條L4級自動駕駛乘用車生產線建設，具備批量生產能力。根據Forst&Sullivan研究估計，2026年ADAS領域使用激光雷達產業規模有望達12.9億美元。其中，中國、美國、其他地區分別為6.7/3.5/2.7億美元。2030年ADAS領域使用激光雷達產業規模有望達64.9億美元，其中中國、美國、其他地區分別為32.5/13.0/19.5億美元。深圳激光雷達生產廠家激光雷達的輕便設計使其便于攜帶和操作。

配準 registration，ICP 算法較早由 Chen and Medioni，and Besl and McKay 提出。其算法本質上是基于較小二乘法的較優配準方法。該算法重復進行選擇對應關系點對，計算較優剛體變換這一過程，直到根據點對的歐氏距離定義的損失函數滿足正確配準的收斂精度要求。ICP 是一個普遍使用的配準算法，主要目的就是找到旋轉和平移參數，將兩個不同坐標系下的點云，以其中一個點云坐標系為全局坐標系，另一個點云經過旋轉和平移后兩組點云重合部分完全重疊。

當三維點較為稠密的時候，可以像視覺一樣提取特征點和其周圍的描述子，主要通過選擇幾何屬性（如法線和曲率）比較有區分度的點，在計算其局部鄰域的幾何屬性的統計得到關鍵點的描述子，而當處理目前市面上的激光雷達得到的單幀點云數據時，由于點云較為稀疏，主要依靠每個激光器在掃描時得到的環線根據曲率得到特征點。而有了兩幀點云的數據根據配準得到了相對位姿變換關系后，我們便可以利用激光雷達傳感器獲得的數據來估計載體物體的位姿隨時間的變化而改變的關系。比如我們可以利用當前幀和上一幀數據進行匹配，或者當前幀和累計堆疊出來的子地圖進行匹配，得到位姿變換關系，從而實現里程計的作用。覽沃 Mid - 360 憑借 360°x59° 超廣 FOV，感知三維空間信息。

測距準度：激光雷達探測得到距離數據與真值之間的差距,準度越高表示測量結果與真實數據符合程度越高。點頻：激光雷達每秒完成探測并獲取的探測點的數目。抗干擾：激光雷達對工作同一環境下、采用相同激光波段的其他激光雷達的干擾信號的抵抗能力,抗干擾能力越強說明在多臺激光雷達共同工作的條件下產生的噪點率越低功耗：激光雷達系統工作狀態下所消耗的電功率。激光雷達線數：一般指激光雷達垂直方向上的測量線的數量,對于一定的角度范圍,線數越多表示角度分辨率越高,對目標物的細節分辨能力越強。激光雷達的耐用性保證了其在惡劣環境下的長期穩定運行。北京站臺入侵激光雷達

Mid - 360可達70 米 @80% 反射率探測，適應室內外不同光照。廣東軌旁入侵激光雷達規格

LiDAR還能夠用于確定測量目標的速度。這可以通過多普勒方法或快速連續測距來實現。例如，可以使用LiDAR系統測量風速和車速。另外，LiDAR系統能夠用于建立動態場景的三維模型，這是自動駕駛中會遇到的情形。這可以通過多種方式來實現，通常使用的是掃描的方式。LiDAR 技術中的挑戰，在可實現的LiDAR系統中存在一些眾所周知的挑戰。這些挑戰根據LiDAR系統的類型有所不同。以下是一些示例：隔離和抑制發射光束的信號——探測光束的輻射亮度通常遠大于回波光束。必須注意確保探測光束不會被系統自身反射或散射回接收器，否則探測器將會因為飽和而無法探測外部目標。廣東軌旁入侵激光雷達規格