激光雷达最早的定义是 LIDAR，英文为 Light Deteation and Ranging，中文意思是“光的探测和测距”。其实更准确的一个定义是 LADAR：LAser Detection and Ranging，即「激光的探测和测距」。这是在 2004 年提出的定义，更符合激光雷达的概念。
 深度解析：自动驾驶中的激光雷达究竟有何特效？
 
　　激光雷达实际上是一种工作在光学波段(特殊波段)的雷达，它的优点非常明显：
 
　　1、具有极高的分辨率：激光雷达工作于光学波段，频率比微波高2～3个数量级以上，因此，与微波雷达相比，激光雷达具有极高的距离分辨率、角分辨率和速度分辨率；
 
　　2、抗干扰能力强：激光波长短，可发射发散角非常小(μrad量级)的激光束，多路径效应小(不会形成定向发射，与微波或者毫米波产生多路径效应)，可探测低空/超低空目标；
 
　　3、获取的信息量丰富：可直接获取目标的距离、角度、反射强度、速度等信息，生成目标多维度图像；
 
　　4、可全天时工作：激光主动探测，不依赖于外界光照条件或目标本身的辐射特性。它只需发射自己的激光束，通过探测发射激光束的回波信号来获取目标信息。
 
　　但是激光雷达最大的缺点——容易受到大气条件以及工作环境的烟尘的影响，要实现全天候的工作环境是非常困难的事情。
 
　　激光雷达分类
 
　　激光雷达的分类，如果从体制上划分，主要有直接探测激光雷达和相干探测激光雷达。实际上，目前我们提到的，包括自动驾驶、机器人、测绘用到的激光雷达，基本上属于这种直接探测类型的激光雷达。有比较特殊的，比如测风、测速之类的雷达，一般会采用相干体制。
 
　　按应用分类，我们可以分得更多，比如：激光测距仪、激光三维成像雷达、激光测速雷达、激光大气探测雷达，等等。
 
　　不管是单线激光雷达、多线激光雷达或测绘激光雷达，我们基本上可以将其划分到激光三维成像雷达的范畴。
 
　　一个激光三维成像雷达，实际上它需要得到两个核心信息：目标距离信息以及目标角度信息。
 
　　如果我们把它的三维坐标准确定下来，我们需要得到它的距离、方位角、俯仰角信息。然后我们根据距离、方位角度、俯仰角度三个信息，将目标的三维坐标点计算出来。
 
　　一般而言，通过对编码器进行测量来获取角度信息的技术很成熟。我们更关心的是，激光雷达的距离信息是怎么获取的。
 
　　激光三维成像雷达可以通过直接测距、直接测角的技术得到目标的三维点云数据，并且获得的数据本身就是三维数据，不需要通过大量运算和处理才生成目标三维图像，而且激光测距有非常高的精度。
 
　　所以，激光三维成像雷达是目前能获取大范围三维场景图像效率最高的传感器，也是目前能获取三维场景精度最高的传感器。
 
　　激光测距方法
 
　　目前，我们通常能见到的测距方法，从大类上可以分为：激光飞行时间(Time of Fly，TOF)法以及三角法。
 
　　激光飞行时间法可以分为两类，一类是脉冲调制(脉冲测距技术)，一类是对激光连续波进行强度的调制，通过相位差来测量距离信息的相位测距。
 
　　我们能在市面上见到的测距仪，或者说单线、多线激光雷达，基本上都是采用这三类测距方法。
 
　　激光脉冲测距技术
 
　　激光脉冲测距技术的原理非常简单：通过测量激光脉冲在雷达和目标之间来回飞行时间获取目标距离的信息。这里用了一个基准，就是光的速度。所有的测量都必须有一个基准，对于一束激光来说有两个基准：速度和频率(两个最准的基准)，因为 TOF 用的基准就是激光的飞行速度。
 
　　上述提到的三种测距方式，我认为技术难点最大的是脉冲测距的方式。但它带来的优点非常明显：测量速度非常快。由于通过高峰值的激光来进行测量，其抗强光的干扰能力非常强。
 
　　缺点是测距分辨率提升难度高，探测电路难度大。举个例子，如果要做到相位测距 1.5 个毫米的分辨率，我们就需要把计时时钟分辨率做到 10 个皮秒，也就相当于 100G 带宽，这是一个非常难的技术。