激光雷达的用到的测距方法主要有

激光雷达（Lidar）是一种利用激光束发射和接收反射光波来测量距离、速度和方向的传感器。激光雷达测距方法主要有以下几种：

1. 相位测量法（Phase Measurement Method, PPM）：PPM是激光雷达最常用的测距方法之一。它通过测量激光脉冲往返一次所需的时间来计算距离。这种方法的优点是精度高，但需要精确的时间同步。

2. 直接时间测量法（Direct Time Measurement, DTM）：DTM通过测量激光脉冲从发射到接收的时间差来计算距离。这种方法的优点是简单，但精度较低，且容易受到环境噪声的影响。

3. 多普勒频移法（Doppler Shift Method）：多普勒频移法通过测量激光脉冲在传播过程中的频率变化来计算距离。这种方法的优点是不受环境噪声影响，但需要精确的频率测量设备。

4. 干涉测量法（Interferometry）：干涉测量法通过测量激光脉冲的干涉条纹来估计距离。这种方法的优点是精度高，但需要复杂的光学系统和信号处理算法。

5. 三角测量法（Triangulation Method）：三角测量法通过测量激光脉冲在不同角度下的反射信号来估计距离。这种方法的优点是简单，但精度较低，且受环境噪声影响较大。

6. 单点测距法（Point-to-point Ranging, PR）：PR通过测量激光脉冲在特定点的反射信号来估计距离。这种方法的优点是简单，但精度较低，且受环境噪声影响较大。

7. 多点测距法（Multi-point Ranging, MPR）：MPR通过测量激光脉冲在多个不同点的反射信号来估计距离。这种方法的优点是精度高，但需要更多的硬件设备和更复杂的信号处理算法。

8. 基于深度学习的测距方法：近年来，随着深度学习技术的发展，一些研究者开始尝试使用深度学习模型来提高激光雷达测距的准确性和鲁棒性。这些模型通常采用卷积神经网络（CNN）或循环神经网络（RNN）等深度学习架构，通过对大量激光雷达数据的训练来学习测距规律。这种方法的优点是能够自动学习并适应不同的环境和场景，但目前仍处于研究阶段，尚未广泛应用于实际工程应用中。