类似于雷达的工作原理，激光雷达通过测量激光信号的时差和相位差来确定位置，但最大的优势是利用多普勒成像技术创建一个明确的目标3D图像。激光雷达通过发射和接收激光束，分析激光遇到目标对象后的返回时间，计算目标对象的相对距离，利用三维坐标、反射率密集点的三维坐标、反射率和纹理信息，快速获取测量目标的三维模型和线、表面、身体等相关数据，建立三维点云图，绘制环境地图，达到环境感知的目的。由于光速很快，飞行时间可能很短，所以测量设备精度很高。激光雷达维度(线束)越多，测量精度越高，安全性越高。

激光雷达主要包括四个系统：激光反射、扫描系统、激光接收和信息处理。首先，激光发射系统中的激励源定期驱动激光器，发射激光脉冲。激光调制器通过光束控制器控制激光发射的方向和线数，最后通过发射光学系统将激光发射到目标对象；扫描系统负责以稳定的速度旋转，扫描平面，产生实时的平面信息；激光接收系统中的光电探测器接收目标对象反射的激光，产生接收信号；在信号处理系统中，通过信息处理模块计算接收信号，获得目标表面形式、物理属性等特性，最终建立物体模型。

激光雷达几乎每个环节都有不同的执行方法，但从测距的角度来看，有基于时间的飞行时间法和不基于时间的相位法。不同环节的组合构成了近20种激光雷达分类方法。

多个技术指标可用于评估激光雷达的性能。线束、方向角、扫描帧频率、角分辨率、测量精度、探测距离和数据率是激光雷达的七个常用性能评价指标。

其中两种最为常用：连续波方法和脉冲方法

连续波方法采用周期调制信号进行主动发光，然后对接收到的信号进行零差解调，以测量反射光的相移。

在脉冲方法中，光源发出一系列N个激光短脉冲，这些脉冲被反射回带有电子快门的传感器，该传感器能够在一系列短时间窗口中进行曝光。其中BG窗口捕获环境光，计算深度时环境光强度会被减掉。

要是用立体视觉进行深度测量，需要用到多个相机，彼此之间相隔一定距离。就像人眼一样，会在空间中给每个相机一个参考点，这些点相互独立，因此如果在两个相机之间能够对应还原这些点的坐标，系统就能够计算这些点的位置。确定这种对应关系需要用到高强度且复杂的算法。

• 无需主动发光
• 它只需要使用两个相机来获取数据，因此价格更便宜

• 如果两个相机之间的对应点没有差别对比，则无法计算距离。对于白墙环境和环境光不足的环境，这个问题就会凸显出来。
• 距离更远时，两个相机彼此之间应该距离更远，以便对应的点位于两个相机的不同位置。对于需要测量更远距离的应用，尺寸称为明显的问题。

结构光的工作原理是将已知的参考点图投影到三维物体上，参考点图经过物体高度调制产生变形，被调制的光信息被2D相机采集捕捉，然后将调制后的光信息与投射的参考点图做对比，基于调制水平计算出深度图。

• 能够在近距离内实现非常高的空间分辨率和非常高的精度

• 提取一帧信息需要多次投影，这可能会降低帧速率，导致从移动对象中提取举例信息变得非常困难。
• 对于远距离探测，光源需要远离相机镜头，因为如果光源距离镜头太近，可能导致无法识别图像变形。对于需要小尺寸外形的应用，这可能不太合适。因此，当深度测量应用的距离大于2米时，一般不使用结构光方法。
• 室外环境光也可能干扰图像调制，所以结构光更加适合在室内使用。

单目、双目、RGBD等视觉传感器可以获得非常丰富的环境信息，可以方便的用于三维重建，识别去过的地方（回环检测）等。而IMU传感器则可以获得移动机器人本身的运动信息，比如重心方向、俯仰角、偏航角等。而最近几年基于camera+IMU的VIO（视觉惯性里程计）SLAM技术方向也是研究的热点，具有代表性的如OKVIS，VI-ORB等。

惯性导航系统是一种利用惯性敏感器件、基准方向及最初的位置信息来确定运载体在惯性空间中的位置、方向和速度的自主式导航系统，有时也简称为惯导。其工作环境不仅包括空中、地面，还可以在水下。
你知道自己的初始位置，知道自己的初始朝向（姿态），知道自己每一时刻如何改变了朝向，知道自己每一时刻相对朝向是怎么走的，把这些加一起不停地推，走一步推一步，在不考虑各种误差时，得出的结果就应该正好是你现在的朝向和位置。
惯性导航之所以叫惯性导航，就是因为使用的是惯性器件，也就是加速度计，陀螺仪，磁力计，气压计等
因此，惯性导航系统至少需要包括含有加速度计、陀螺仪等的惯性测量单元和用于推理的计算单元两大部分。