優(yōu)劣勢分析,，優(yōu)勢：MEMS激光雷達因為擺脫了笨重的「旋轉電機」和「掃描鏡」等機械運動裝置,，去除了金屬機械結構部件,，同時配備的是毫米級的微振鏡，這較大程度上減少了MEMS激光雷達的尺寸,，與傳統(tǒng)的光學掃描鏡相比,，在光學,、機械性能和功耗方面表現(xiàn)更為突出,。其次，得益于激光收發(fā)單元的數量的減少,，同時MEMS振鏡整體結構所使用的硅基材料還有降價空間,，因此MEMS激光雷達的整體成本有望進一步降低。劣勢：MEMS激光雷達的「微振鏡」屬于振動敏感性器件,，同時硅基MEMS的懸臂梁結構非常脆弱,，外界的振動或沖擊極易直接致其斷裂，車載環(huán)境很容易對其使用壽命和工作穩(wěn)定性產生影響,。小巧設計易隱藏,，覽沃 Mid - 360 為機器人外觀增添更多設計美感。廣東泰覽Tele-15激光雷達渠道

LiDAR的結構,。激光雷達主要包括激光發(fā)射,、接收、掃描器,、透鏡天線和信號處理電路組成,。激光發(fā)射部分主要有兩種,，一種是激光二極管，通常有硅和砷化鎵兩種基底材料，再有一種就是目前非?；馃岬拇怪鼻幻姘l(fā)射（VCSEL）（比如 iPhone 上的 LiDAR）,，VCSEL 的優(yōu)點是價格低廉,，體積極小,，功耗極低，缺點是有效距離比較短,，需要多級放大才能達到車用的有效距離。激光雷達主要應用了激光測距的原理,，而如何制造合適的結構使得傳感器能向多個方向發(fā)射激光束,，如何測量激光往返的時間，這便區(qū)分出了不同的激光雷達的結構。廣東泰覽Tele-15激光雷達渠道服務機器人借助激光雷達規(guī)劃路徑,，實現(xiàn)室內外自主移動,。

激光雷達按照測距方法可以分為飛行時間（TimeofFlight,，ToF）測距法、基于相干探測FMCW測距法,、以及三角測距法等,，其中ToF與FMCW能夠實現(xiàn)室外陽光下較遠的測程（100～250m）,，是車載激光雷達的好選擇方案。ToF是目前市場車載中長距激光雷達的主流方案,，未來隨著FMCW激光雷達整機和上游產業(yè)鏈的成熟,，ToF和FMCW激光雷達將在市場上并存,。根據激光雷達按測距方法分類：ToF法：通過直接測量發(fā)射激光與回波信號的時間差，基于光在空氣中的傳播速度得到目標物的距離信息,，具有響應速度快,、探測精度高的優(yōu)勢,。FMCW法：將發(fā)射激光的光頻進行線性調制，通過回波信號與參考光進行相干拍頻得到頻率差,，從而間接獲得飛行時間反推目標物距離。FMCW激光雷達具有可直接測量速度信息以及抗干擾（包括環(huán)境光和其他激光雷達）的優(yōu)勢,。

在實際應用中,，很多時候并不知道點云之間的鄰接關系。針對此,，研究人員開發(fā)了較小張樹算法和連接圖算法以實現(xiàn)鄰接關系的計算,。總體而言,，三維模型重建算法的發(fā)展趨勢是自動化程度越來越高,，所需人工干預越來越少，且應用面越來越廣,。然而,，現(xiàn)有算法依然存在運算復雜度較高、只能針對單個物體,、且對背景干擾敏感等問題,。研究具有較低運算復雜度且不依賴于先驗知識的全自動三維模型重建算法，是目前的主要難點,。然而,，如何在包含遮擋、背景干擾,、噪聲,、逸出點以及數據分辨率變化等的復雜場景中實現(xiàn)對感興趣目標的檢測識別與分割，仍然是一個富有挑戰(zhàn)性的問題,。航空測繪依靠激光雷達獲取數據,，服務城市規(guī)劃建設。

半固態(tài)-棱鏡式激光雷達,，無人機廠商大疆孵化覽沃科技（Livox）入局激光雷達,，便是采用的棱鏡式掃描方案，大疆利用其在無人機領域積累的電機精確調控技術及自動化產線,，有信心克服棱鏡軸承或襯套壽命的難題,，也為其激光雷達技術構筑護城河。工作原理,，棱鏡式激光雷達也稱為雙楔形棱鏡式激光雷達,，內部包括兩個楔形棱鏡，激光在通過頭一個楔形棱鏡后發(fā)生一次偏轉,，通過第二個楔形棱鏡后再一次發(fā)生偏轉?？刂苾擅胬忡R的相對轉速便可以控制激光束的掃描形態(tài),。與前面提到的掃描形式不同，棱鏡激光雷達累積的掃描圖案形狀狀若菊花,，而并非一行一列的點云狀態(tài),。這樣的好處是只要相對速度控制得當，在同一位置長時間掃描幾乎可以覆蓋整個區(qū)域。港口作業(yè)借助激光雷達引導裝卸,，提升集裝箱操作準度,。深圳覓道Mid-360激光雷達價位

激光雷達在航空測量中提供了高精度的地理數據。廣東泰覽Tele-15激光雷達渠道

給定兩個來自不同坐標系的三維數據點集,，找到兩個點集空間的變換關系,，使得兩個點集能統(tǒng)一到同一坐標系統(tǒng)中，這個過程便稱為配準,。配準的目標是在全局坐標框架中找到單獨獲取的視圖的相對位置和方向,，使得它們之間的相交區(qū)域完全重疊。對于從不同視圖（views）獲取的每一組點云數據,，點云數據很有可能是完全不相同的,，需要一個能夠將它們對齊在一起的單一點云模型，從而可以應用后續(xù)處理步驟,，如分割和進行模型重建,。目前對配準過程較常見的主要是 ICP 及其變種算法，NDT 算法,，和基于特征提取的匹配,。廣東泰覽Tele-15激光雷達渠道