无论是固态激光雷达还是旋转式的激光雷达，原理都是由激光器发射出的脉冲激光由空中入射到地面上，打到树木上，道路上，桥梁上，房子上，引起散射。一部分光波会经过反射返回到到激光雷达的接收器中。接收器通常是一个光电倍增管或一个光电二极管，它将光信号转变为电信号，记录下来。同时由所配备的计时器记录下来同一个脉冲光信号由发射到被接收的时间T。
激光雷达http://www.robosense.cn/

感知、决策、执行，是无人驾驶车与外部环境交互的主要流程。目前典型的无人驾驶感知系统由多种传感器构成，包括毫米波雷达，多线激光雷达，图像传感器，超声波雷达等构成，其中图像传感器和激光雷达是完成障碍物识别和定位的主要部件。但在这种搭配下，传感器能够识别人、车、交通标牌等一些规则障碍，对于石头、散落的包裹、小动物等非规则障碍则不一定能够识别，这是因为一来当前感知系统架构中，对于环境的认知能力提升主要通过深度学习的方式进行，即通过大量的模型训练，让机器能够认识越来越多的物体。其弊端就是对于很多非规则的模型物体，无法进行大量的学习训练。二是多线激光雷达是三维重构的主要构件，但由于多线激光雷达是对实际场景的三维离散采样，这制约了感知系统对环境的空间理解能力。多线扫描雷达需要进行360度机械旋转，成本较高，同时机械旋转也会降低机器的可靠性。

在自动驾驶商业化进程中，激光雷达早已成为一个绕不过去的核心部件。相对于中国创业者和企业在ADAS及自动驾驶算法上的“优秀人才优势”，以激光雷达为代表的高端硬件则是出于相对“劣势”。
而随着自动驾驶从过去的单一视觉解决方案，到未来多传感器融合发展趋势的明确，在车辆进行环境感知和自身定位的环节，激光雷达可以通过发射激光接收反射的方式为周围环境建模，同时计算出自己的位置。在摄像头和超声波雷达与GPS并不完全可靠的情况下，精度极高的激光雷达不可或缺。

感知、决策、执行，是无人驾驶车与外部环境交互的主要流程。目前典型的无人驾驶感知系统由多种传感器构成，包括毫米波雷达，多线激光雷达，图像传感器，超声波雷达等构成，其中图像传感器和激光雷达是完成障碍物识别和定位的主要部件。但在这种搭配下，传感器能够识别人、车、交通标牌等一些规则障碍，对于石头、散落的包裹、小动物等非规则障碍则不一定能够识别，这是因为一来当前感知系统架构中，对于环境的认知能力提升主要通过深度学习的方式进行，即通过大量的模型训练，让机器能够认识越来越多的物体。其弊端就是对于很多非规则的模型物体，无法进行大量的学习训练。二是多线激光雷达是三维重构的主要构件，但由于多线激光雷达是对实际场景的三维离散采样，这制约了感知系统对环境的空间理解能力。多线扫描雷达需要进行360度机械旋转，成本较高，同时机械旋转也会降低机器的可靠性。

激光雷达是以激光为光源，通过探测激光与被探测无相互作用的光波信号来遥感测量的．使用振动拉曼技术进行测量的激光雷达技术即为拉曼激光雷达，主要用于大气遥感测量。拉曼激光雷达属于遥感技术的一种。激光雷达作为一种主动遥感探测技术和工具已有近50 年的历史，目前广泛用于地球科学和气象学、物理学和天文学、生物学与生态保持、军事等领域。其中，传统意义上的激光雷达主要用于陆地植被监测、激光大气传输、精细气象探测、全球气候预测、海洋环境监测等。随着激光器技术、精细分光技术、光电检测技术和计算机控制技术的飞速发展，激光雷达在遥感探测的高度、空间分辨率、时间上的连续监测和测量精度等方面具有独到的优势。

激光雷达的穿透距离远，高性能激光雷达可以实现200米范围内，精度高达厘米级的3D场景扫描重现，从而帮助自动驾驶系统实现提前行驶路线规划。
目前来看，多线激光雷达很有可能是未来无人车的必备传感器，并且与高精度地图及驾驶系统核心算法紧密相关。目前，多线激光雷达还没有针对车规级的成熟量产方案，机械旋转式多线激光雷达虽然已在普遍应用，但体积较大且价格过于昂贵，更小型更低成本的纯固态激光雷达还未见到成熟产品。