全自动驾驶的未来已不再遥不可及。如今，与自动驾驶相关的问题主要围绕让自动驾驶成为现实所需的底层技术和技术进步来展开。在支持向自动驾驶应用过渡方面，激光探测和测距(LIDAR)技术是讨论最多的技术之一，但仍存在诸多问题。测距范围大于100米，角分辨率达到0.1°的LIDAR系统仍然是自动驾驶领域里的核心模块。但是，并非所有自动驾驶应用都需要这种级别的性能。泊车助手和街道清扫就是其中两个。目前有大量景深测量技术可以实现这些应用，例如无线电探测和测距（雷达）、立体视觉、超声波探测和测距，以及LIDAR。但是，这些传感器都是在性能尺寸成本之间做了妥协。超声波器件最为经济高效，但其范围、分辨率和可靠性都很有限。雷达的检测范围和可靠性得到大幅提升，但它的角分辨率存在限制；此外，立体视觉的计算成本非常高，而且如果不能妥善校准，则精度非常有限。精心设计的lider系统能做到在长探测距离下，精准的测距，出色的角分辨率，较低的算法处理，所以能够帮助弥补这些不足。但是，LIDAR系统一般体积大，成本高，这些缺点需要改进。
LIDAR系统设计要确定系统对小目标的探测能力，在多少远处能探测到多低反射率的多小尺寸的目标。同时这也就定义了系统需要的角分辨率。由此可以计算得出可达到的最小信噪比(SNR)，该最小信噪比就决定了系统探测的检测概率与误检概率。
了解感知环境和必要的信息量，作出适当的设计权衡，从而开发出成本和性能最佳的解决方案。例如，一辆自动驾驶汽车以100 kph (~27 mph)的速度在道路上行驶，而自动机器人则以6 kph的速度在步行区或仓库中移动。在高速情况下，我们可能不但需要考虑以100 kph的速度行驶的车辆，还需要考虑以相同速度对向行驶的另一车辆。对于感测系统来说，这相当于一个物体以200 kph的相对速度接近。对于LIDAR传感器来说，检测对象之间的最大距离为200 m时，两车之间的距离在一秒内便会缩短25%。应该注意的是，在进行规避时，汽车的速度（或与对象之间的非直线逼近速度）、刹停距离和动力学这些复杂因素会因具体情况而异。一般来说，高速应用需要采用检测距离更长的LIDAR系统。
