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。激光雷达在无人仓储系统中实现货物的精确定位。北京激光雷达
工作原理，Flash原本的意思为快闪。而Flash激光雷达的原理也是快闪，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。因此，Flash固态激光雷达属于非扫描式雷达，发射面阵光，是以2维或3维图像为重点输出内容的激光雷达。某种意义上，它有些类似于黑夜中的照相机，光源由自己主动发出。Flash激光雷达的成像原理是发射大面积激光一次照亮整个场景，然后使用多个传感器接收检测和反射光。但较大的问题是，这种工作模式需要非常高的激光功率。北京无人叉车激光雷达体积小巧的 Mid - 360，轻松嵌入，为机器人外观一体化添可能。
NDT 算法的基本思想是先根据参考数据（reference scan）来构建多维变量的正态分布，如果变换参数能使得两幅激光数据匹配的很好，那么变换点在参考系中的概率密度将会很大。然后利用优化的方法求出使得概率密度之和较大的变换参数，此时两幅激光点云数据将匹配的较好。由此得到位资变换关系。局部特征提取通常包括关键点检测和局部特征描述两个步骤，其构成了三维模型重建与目标识别的基础和关键。在二维图像领域，基于局部特征的算法已在过去十多年间取得了大量成果并在图像检索、目标识别、全景拼接、无人系统导航、图像数据挖掘等领域得到了成功应用。类似的，点云局部特征提取在近年来亦取得了部分进展
当前所面临的挑战在于如何区分来自周边其他LiDAR设备的信号，而各种信号调制和隔离方法也正在积极研发中。LiDAR系统的成本和维护——这类系统相比一些替代技术所使用的传感器类型更加昂贵，当然持续不断的开发工作也在积极进行，为满足其大规模使用的需要而开发生产成本更低的系统。抑制非目标对象的回波——类似于抑制之前提到的大气虚假信号。但是这也可能会出现在空气质量良好的情况下。应对这一挑战通常涉及在不同的目标距离处，以及在LiDAR接收器的视场范围之内使光束尺寸尽可能更小。激光雷达在航空测量中提供了高精度的地理数据。
分类，激光雷达按结构不同大致可以分为：机械旋转激光雷达、混合半固态激光雷达和全固态激光雷达（Flash快闪和OPA相控阵，统称为非扫描式）。（一）机械旋转激光雷达，机械式激光雷达体积大、成本较高、装配难。它通过旋转实现横向360度的覆盖面，通过内部镜片实现垂直角度的覆盖面，同比有着更耐用稳定的特点，所以我们看到的自动驾驶路试车大多采用这种类型，雷达在车顶不停的在旋转完成横向扫描，靠增加激光束，实现纵向宽泛的扫描。（二）混合半固态激光雷达。按照扫描方式分为：转镜、硅基MEMS、振镜+转镜、旋转透射棱镜。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。北京激光雷达
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。北京激光雷达
激光雷达产业自诞生以来，紧跟底层器件的前沿发展，呈现出了技术水平高的突出特点。激光雷达厂商不断引入新的技术架构，提升探测性能并拓展应用领域：从激光器发明之初的单点激光雷达到后来的单线扫描激光雷达，以及在无人驾驶技术中获得普遍认可的多线扫描激光雷达，再到技术方案不断创新的固态式激光雷达、FMCW激光雷达，以及如今芯片化的发展趋势，激光雷达一直以来都是新兴技术发展及应用的表示。适用于实现部分视场角（如前向）的探测，因为不含机械扫描器件，其体积相较于其他架构较为紧凑。北京激光雷达
