LiDAR
LiDAR（Light Detection and Ranging，光探测与测距），中文译为激光雷达，是一种利用激光脉冲进行距离测量和三维建模的主动式遥感技术。通过发射激光束并精确测量光束往返时间，LiDAR能够获取目标物体的距离、方位和反射强度等信息，生成高精度的三维点云数据。
工作原理
LiDAR的核心工作原理基于飞行时间测距法（Time of Flight, ToF）。系统向目标发射激光脉冲，激光遇到物体表面后发生反射，传感器接收返回的激光信号并记录往返时间。由于光速恒定（约每秒30万公里），通过计算时间差即可精确测算距离：距离 = 光速 × 往返时间 ÷ 2。
现代LiDAR系统通常包含以下核心组件：激光发射器负责产生特定波长的激光脉冲（常用波长为905nm或1550nm）；扫描装置通过旋转镜面或相控阵技术实现多角度扫描；光电探测器接收反射回来的微弱光信号；信号处理单元将原始数据转换为可用的三维坐标信息。
扫描方式
根据扫描机制的不同，LiDAR主要分为机械式和固态式两大类。机械式LiDAR通过电机驱动镜面或整个传感器旋转，可实现360度全方位扫描，但存在机械磨损问题。固态LiDAR采用微机电系统（MEMS）或光学相控阵技术，无运动部件，体积更小、可靠性更高，是未来发展的主要方向。
技术发展历程
LiDAR技术起源于20世纪60年代初期，最早应用于气象学和大气研究领域。1961年，美国科学家首次使用激光测距仪测量云层高度，标志着激光遥感技术的诞生。1971年阿波罗15号任务中，宇航员使用激光高度计测量月球表面地形，这是LiDAR技术在太空探测中的首次应用。
20世纪80年代，随着全球定位系统（GPS）和惯性导航技术的成熟，机载LiDAR系统开始用于大规模地形测绘。90年代后期，计算机处理能力的提升使得海量点云数据的实时处理成为可能，LiDAR逐渐从科研工具转变为商业化产品。
进入21世纪，自动驾驶技术的兴起为LiDAR带来了新的发展机遇。2005年DARPA挑战赛中，多支参赛队伍使用LiDAR作为核心传感器，证明了该技术在智能车辆环境感知中的价值。近年来，固态LiDAR、硅光子技术和FMCW（调频连续波）LiDAR等新型方案不断涌现，推动成本持续下降和性能不断提升。
主要应用领域
自动驾驶与智能交通
LiDAR是自动驾驶系统的〝眼睛〞，能够实时构建车辆周围的三维环境模型。相比摄像头，LiDAR不受光照条件影响，可在夜间或恶劣天气下稳定工作；相比毫米波雷达，LiDAR具有更高的角分辨率，能够精确识别行人、车辆和道路边界。目前主流自动驾驶方案多采用LiDAR与摄像头、雷达的多传感器融合架构。
测绘与地理信息
机载LiDAR可快速获取大范围地形数据，精度可达厘米级，广泛应用于国土资源调查、城市规划、林业资源清查等领域。通过滤波算法分离地面点和植被点，可生成高精度的数字高程模型（DEM）和数字表面模型（DSM）。在山区或植被茂密地区，LiDAR能够穿透树冠间隙获取地面信息，这是传统摄影测量难以实现的。
考古与文化遗产保护
LiDAR技术在考古学领域展现出惊人价值。2016年，考古学家利用机载LiDAR在柬埔寨丛林中发现了隐藏的吴哥窟古城遗迹；2018年，危地马拉玛雅文明遗址的LiDAR扫描揭示了数万座此前未知的建筑结构。这种非侵入式探测方法可在不破坏地表的前提下〝透视〞植被覆盖，重构古代城市布局。
其他应用
LiDAR还应用于：气象监测（测量云层、气溶胶分布）、电力巡检（检测输电线路与树木间距）、机器人导航（室内定位与避障）、手机与消费电子（iPhone等设备的3D扫描和AR功能）、海洋测绘（浅海水深测量）等多个领域。
技术挑战与发展趋势
尽管LiDAR技术日趋成熟，但仍面临一些挑战。成本问题是制约大规模应用的主要因素，高性能车规级LiDAR价格仍在数千至数万美元；恶劣天气性能有待提升，浓雾、暴雨等极端条件下激光信号衰减严重；数据处理需要强大的计算资源，实时处理每秒数百万点的点云数据对算法和硬件提出高要求。
未来发展趋势包括：固态化（提高可靠性、降低成本）、芯片化（利用硅光子技术实现片上集成）、智能化（结合人工智能算法进行语义分割和目标识别）、长距离化（FMCW技术可实现500米以上探测距离）。随着技术进步和规模化生产，LiDAR有望成为智能时代的基础设施级传感器。
相关技术对比
与其他感知技术相比，LiDAR具有独特优势：相比摄像头，LiDAR直接输出三维信息且不受光照影响；相比毫米波雷达，LiDAR分辨率更高但穿透能力较弱；相比超声波，LiDAR探测距离更远、精度更高。实际应用中，通常采用多种传感器互补的融合方案，发挥各自优势。
