这属于飞机最为常见的起飞方式之一，通过地面操纵员遥控启动无人机，让其在跑道上滑跑，达到一定速度就能离地升空。该种起飞方式适用于固定翼的大型无人机，比如军用无人机基本都是采用这种方式。滑跑起飞的缺点，是对于机场跑道等基础配套设施要求较高。

　　这可以看做是滑跑的简易版，通过搭建简单的滑跑轨道，让无人机进行短距离滑跑然后起飞。这种方式常见于中小型固定翼无人机，比如进行影视拍摄的无人机、气象监测的无人机等等。优点是比滑跑要简单、也更省钱，但缺点是仍需要自建跑道毕竟麻烦，限制性也高。

 　　传统上，LiDAR传感器可以通过发射激光束提供测量与检测到的点云数据。但是M1智能传感系统的话，就可以将点云数据在SOC内进行处理并从点云数据中提取出物体信息。也就是说，能够理解周遭环境的感知算法软件是智能传感器的大脑。例如，从点云中，M1智能传感器了解不同对象的点云信息并进行提取，然后输出检测到的和分类的对象数据。 

　　这种方式就像伞兵一样，用飞机等其他飞行器将无人机带到空中，再直接投放飞行。这种方式根据投放高度不同，可适用于大型固定翼和小型多旋翼无人机。缺点较为明显，那就是起飞对于配套要求极高，甚至超过了滑跑起飞，但优点是起飞更为灵活。

　　当RoboSense的初创团队开始研究基于LiDAR的感知算法时，他们意识到LiDAR不仅仅是成本太高，而且还是一项不成熟的技术。传感器在很大程度上依赖于原始点云数据，这些数据是通过测量周围物体的外表面上的许多点得到的。然而这些原始点云数据仅仅由传感器独立生成，这种情况严重影响了技术的发展。为了能够达到像人眼一样的能力，传感器硬件和软件算法需要被结合起来。

　　这是多旋翼无人机最受青睐的一种起飞方式。无人机不需要任何助跑和设施帮助，自身就能直接起飞，对于无人机在不同领域的应用加持十分大。优点就不说了，非常多，至于缺点，或许是对无人机飞降技术要求比较高吧。目前，这是较为主流的起飞方式。

　　这种融合传感器的概念是我们感知系统的基础，将不同的机械和基于MEMS的激光雷达传感器与自动驾驶技术的人工智能算法结合在一起，即使在最黑暗或最恶劣的天气条件下，无论是雾天、雨天还是雪天，也能真实地看清道路。融合后的基于人工智能传感系统是Robosense公司成立以来一直在开发的一个感知系统，目标是与我们的P系列产品共同工作（一个组合了32层机械激光雷达、两个16层机械激光雷达和人工智能感知算法的装置）并达到ASIL D的安全等级。

　　这种起飞方式本来主要应用于固定翼之上，但近日据悉加州理工大学研发出了可适用于多旋翼的无人机弹射管道，因此目前只要是中小型无人机都能用吧。弹射起飞就是将无人机置于管道一样的装置中，向导弹一样弹射出去然后自主飞行，军事领域采用更多。

高级的自动驾驶提供了对周围环境的高级感知，并且在人类介入很少或完全不介入的情况下行驶。3-5级的自动驾驶包括了控制关键刹车、转向和其他无人自动驾驶功能的自动安全系统。因此，鉴于这些高级的自动驾驶功能，安全是汽车制造商必须考虑的最重要的因素之一。3级以上的自动驾驶需要系统拥有ASIL D（汽车安全完整性等级的最高级）的功能安全等级以及根据车辆的严重性、暴露性和可控性来定义的ISO 26262规定下的风险分类系统。
这种起飞方式有点像垂直起飞和滑跑起飞的结合，无人机本身还是垂直升空的，但前面需要由汽车等搭载着无人机提供离地速度，相当于汽车带着无人机进行滑跑。这种方式多见于小型多旋翼无人机采用，据悉不少植保无人机是采用该种方式升空的。

 　　因此，在2015年他们开始研究LiDAR硬件/软件组合。最开始，他们研究出了一个每秒可以发射50万个点的单激光发射器，该发射器具有2毫米三维激光扫描仪的精度和多种用途的点云算法软件。紧接着，他们发布了一个可以满足自动驾驶要求的多线LiDAR装置，并将该装置与感知算法一起投入市场，创造了一个完全融合的LiDAR自动驾驶环境感知系统。

　　这个就非常简单直观了，就是用手将无人机抛出去，让无人机升空起飞。可想而知，该种方式只适用于小型无人机，更多可能是无人机玩具的起飞方式。优点的话应该是对技术要求不高，起飞比较灵活。缺点则是对人力依赖性过高，且起飞地点限制性也挺大。