比如，大陆集团在已经自研量产短距FLASH激光雷达基础上，去年通过参股激光雷达公司AEye，计划从2024年起投产远距离激光雷达。 而一径 科技 则是推出了长距+中短距+盲区的全套MEMS激光雷达解决方案，包括面向短距应用的大视场角MEMS激光雷达，以及基于1550nm光纤激光器的前向长距MEMS激光雷达。
从上图可以看到，大部分新车都未公布配置细节，激光雷达的装载情况也无从得知，而速腾聚创已确定量产的定点车企中，赛力斯汽车销量持续下滑，仰望两款产品都在百万级以上，路特斯Eletre的售价88万元起，搭载激光雷达的新款极氪001售价或将40万左右起步，比现款起售价提高了10万，带来的增量或将有限。
近日“国产激光雷达第一股”禾赛科技公布了上市后首份财报，2022年全年营收为12亿元，同比增长69%，看上去成长性不错，但全年净亏损却高达3亿元。财报公布当天，禾赛科技下跌13%，与上市后的最高点相比已经跌去50%。看上去似乎前途无限的激光雷达行业，也存在很多变数。
也就是说，4C电池、5C电池打破市场，却遇到了和激光雷达相仿的局面。 激光雷达上车，不能让普通人的车辆直接实现脱手不用管的L3级智驾功能，4C、5C电池，800V上车，绝大多数情况下，车主也并不能体验到车企在发布会上所说的充电速度。
也就是说不仅仅是车本身的激光雷达、毫米波雷达，还包括V2X道路交通上车联网的配套，这是漫长庞大的工程，绝对不是某一个车企能完成的，一定是有国家的力量一起完成这件事情。
1、感知环境：激光雷达开启后，汽车周围的环境可以通过激光扫描3D模型的形式呈现出来，还可以通过算法比较前后一帧的变化，然后对比周边环境。对汽车和行人的检测更加精准，在感知环境方面优势明显，能够给我们带来很多便利。
2、汽车激光雷达主要应用于自动驾驶系统，也就是未来的无人驾驶汽车。目前，它主要被用于自动驾驶辅助系统中。 在汽车上，激光雷达通常采用多线束形式，能够帮助汽车感知道路环境，自行规划行车路线，并控制车辆达到预定目标。
3、汽车雷达的原理是：雷达设备发出电磁波信号后，如果有任何目标物体接触到雷达信号，就会反射回回波，雷达接收机就会接收到回波信号，回波信号中包含目标的距离、方向和速度信息。天线接收到反射波后，会送到接收设备进行处理，提取出物体的一些信息，根据雷达发射波束测量出目标的角度。
点云角雷达是一种使用激光束来测量目标物体距离和形状的雷达技术。通过发射激光束并测量其返回时间来确定物体的距离，使用扫描或旋转装置收集激光点云数据，以创建目标物体的三维模型。点云角雷达使用激光束以快速而准确的方式扫描周围环境。可以提供高分辨率的距离测量，生成非常详细的三维点云数据。
普通雷达常用的是脉冲雷达或连续波雷达技术，它们会发送雷达波束并接收反射回来的信号，然后通过信号处理将距离、角度和强度等信息提取出来。这种雷达技术的输出通常是以数据包、扇区、目标列表或图像的形式呈现，而不是原始的三维点云数据。
雷达点云数据： 雷达点云数据是指由雷达设备获取的离散的数据点集合，每个数据点包含了位置和其他属性信息。雷达点云数据用于表示周围环境中的物体、障碍物或地形等。通常情况下，雷达设备通过发送射频信号并接收回波来测量物体的距离、角度和强度信息，并将其转化为点云数据。
激光雷达的点云更密、更直观，类似于摄像头采集图像，基本上从激光雷达回波的点，就能看出检测的物体是一辆车。如果是4D成像雷达，即使在点云非常密的情况下，也只能看出是车的轮廓，还得通过特定的算法，判断出这些点是否属于同一个反射物，才能确定它是不是这辆车。
其参数是指单位面积内雷达反射点的密度。雷达点云是通过雷达扫描获取的地球表面或其他目标的点的集合，通常用于地形测绘、地理信息系统、考古、气象等领域。点密度是描述雷达点云的一个重要参数，表示单位面积内包含的雷达反射点的数量。
激光雷达是一种主动传感器，能够以点云的形式提供数据。它主要由发射机、接收机、测量控制单元和电源组成，工作光谱范围在红外到紫外之间。激光雷达的分类包括： 按激光波段：紫外、可见光和红外激光雷达。 按激光介质：气体、固体、半导体和二极管泵浦固体激光雷达。
数据标注的分类有：分类标注、目标检测标注、实例分割标注、关键点标注、关系标注。分类标注 分类标注是最常见的数据标注类型之一，它根据数据的特征将数据分成不同的类别。例如，在图像识别中，分类标注可以将图像分为猫、狗、人等不同的类别。
社交媒体标注：在社交媒体数据中，标注可以包括用户的互动、评论、分享和情感等信息。这对于社交媒体分析和推荐系统非常重要。3D点云标注：3D点云标注用于处理三维空间数据，如激光雷达扫描数据和三维模型。这在自动驾驶、虚拟现实和机器人领域中很常见。
数据标注分类：图像标注、语音标注、3D点云标注、文本标注。图像标注 图像标注是对未经处理的图片数据进行加工处理，转换为机器可识别信息，然后输送到人工智能算法和模型里完成调用。
图像标注 图像标注是对图片数据进行处理，使其能够被机器识别，并用于训练人工智能模型。常见的图像标注技术包括语义分割、矩形框标注、多边形标注、关键点标注、点云标注、3D立方体标注、2D/3D融合标注和目标追踪等。
数据标注分类有：分类标注、区域标注、标框标注、描点标注、其他标注。分类标注 这个就是我们平时常见的打标签。它是从既定的标签里面，选择数据对于的标签，它是一个封闭的集合。比如一张图就可以有很多的标签或者是分类，对于文字，可以标注为主语，宾语，谓语，还可以标注为动词和动词等。
