下游主要客戶：車載領域，目前，在智能駕駛市場中，ADAS+ADS雙輪驅動，激光雷達作為智能駕駛畫龍點睛的產品，不可或缺。在高級輔助駕駛市場，激光雷達的成本不斷下降，商業(yè)化進程有望提速，全球范圍內L3級輔助駕駛量產車項目當前處于快速開發(fā)之中。世界各地交通法規(guī)的修訂為L3級自動駕駛技術商業(yè)化落地帶來機會。2020年6月通過的《ALKS車道自動保持系統條例》，這是全球范圍內頭一個針對L3級自動駕駛具有約束力的國際法規(guī)。隨著激光雷達成本下探至數百美元區(qū)間且達到車規(guī)級要求，未來越來越多高級輔助駕駛量產項目將實現量產；根據Forst&Sullivan的研究報告，2021-2026E、2026E-2020E全球乘用車新車市場ADAS車輛銷售CAGR有望達75.5%、30.5%，其中中國增速較高，分別為92.2%/29.3%。智能零售中激光雷達分析顧客行為，優(yōu)化店鋪空間布局。四川激光雷達現貨直發(fā)

當我們用當前幀和整個點云地圖進行匹配的時候，我們便能得到傳感器在整個地圖中的位姿，從而實現在地圖中的定位。傳感器車規(guī)化，固態(tài)激光雷達取消了機械結構，能夠擊中目前機械旋轉式的成本和可靠性的痛點，是激光雷達的發(fā)展方向。除了這兩大迫切解決的痛點外，目前量產的激光雷達探測距離不足，只能滿足低速場景（如廠區(qū)內、校園內等）的應用。日常駕駛、高速駕駛的場景仍在測試過程中。當前機械式激光雷達的價格十分昂貴，Velodyne 在售的 64/32/16 線產品的官方定價分別為 8 萬/4 萬/8 千美元。一方面，機械式激光雷達由發(fā)射光源、轉鏡、接收器、微控馬達等精密零部件構成，制造難度大、物料成本較高；另一方面，激光雷達仍未大規(guī)模進入量產車、需求量小，研發(fā)費用等固定成本難以攤薄。 量產 100 萬臺 VLP-32后，那么其售價將會降至 400 美元左右。天津二維激光雷達渠道激光雷達在智能交通信號燈控制中實現了車輛流量的精確感知。

從應用看，具備車規(guī)級量產實力的Tier1供貨商有法雷奧（Scala）、鐳神智能（CH32），Innovusion（Falcon）。2017年，奧迪A8為全球頭一款量產的L3級別自動駕駛的乘用車，其搭載的激光雷達便是法雷奧和Ibeo聯合研發(fā)的4線旋轉掃描鏡激光雷達。2020年，鐳神智能自主研發(fā)的CH32面世，成為全球第二款獲得車規(guī)級認證的轉鏡式激光雷達，目前已經規(guī)模化交付東風悅享量產前裝車型生產。2022年，搭載Innovusion Falcon激光雷達的蔚來ET7上市，該款激光雷達為1550nm方案，等效300線數。從售價看，法雷奧Scala 2為900歐元（約6500元人民幣），已經下降至車企可接受的價格范圍。

為了克服探測距離的限制，FLASH激光雷達的表示廠商Ibeo、LedderTech開始在激光收發(fā)模塊進行創(chuàng)新。車規(guī)級激光雷達鼻祖Ibeo，則一步到位推出了單光子激光雷達，Ibeo稱其為Focal Plane Array焦平面，實際也可歸為FlASH激光雷達。2019年8月27日，長城汽車與德國激光雷達廠商Ibeo正式簽署了激光雷達技術戰(zhàn)略合作協議，三方合作的產品基礎就是ibeonEXT Generic 4D Solid State LiDAR。從長遠來看，FLASH激光雷達芯片化程度高，規(guī)模化量產后大概率能拉低成本，隨著技術的發(fā)展，FLASH激光雷達有望成為主流的技術方案。在航海領域，激光雷達為船舶提供了安全導航保障。

泛光面陣式（FLASH），泛光面陣式是目前全固態(tài)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(fā)射出一大片覆蓋探測區(qū)域的激光，再以高度靈敏的接收器，來完成對環(huán)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(fā)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。現在很多方案，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。遠探測 70 米 @80% 反射率，Mid - 360 無懼室外強光，性能穩(wěn)定。四川激光雷達現貨直發(fā)

激光雷達的設計優(yōu)化提高了其在復雜環(huán)境中的可靠性。四川激光雷達現貨直發(fā)

NDT 算法的基本思想是先根據參考數據（reference scan）來構建多維變量的正態(tài)分布，如果變換參數能使得兩幅激光數據匹配的很好，那么變換點在參考系中的概率密度將會很大。然后利用優(yōu)化的方法求出使得概率密度之和較大的變換參數，此時兩幅激光點云數據將匹配的較好。由此得到位資變換關系。局部特征提取通常包括關鍵點檢測和局部特征描述兩個步驟，其構成了三維模型重建與目標識別的基礎和關鍵。在二維圖像領域，基于局部特征的算法已在過去十多年間取得了大量成果并在圖像檢索、目標識別、全景拼接、無人系統導航、圖像數據挖掘等領域得到了成功應用。類似的，點云局部特征提取在近年來亦取得了部分進展四川激光雷達現貨直發(fā)