NDT 算法的基本思想是先根据参考数据（reference scan）来构建多维变量的正态分布，如果变换参数能使得两幅激光数据匹配的很好，那么变换点在参考系中的概率密度将会很大。然后利用优化的方法求出使得概率密度之和较大的变换参数，此时两幅激光点云数据将匹配的较好。由此得到位资变换关系。局部特征提取通常包括关键点检测和局部特征描述两个步骤，其构成了三维模型重建与目标识别的基础和关键。在二维图像领域，基于局部特征的算法已在过去十多年间取得了大量成果并在图像检索、目标识别、全景拼接、无人系统导航、图像数据挖掘等领域得到了成功应用。类似的，点云局部特征提取在近年来亦取得了部分进展Mid - 360 距离探测可为 10cm，小盲区助力嵌入式无盲区安装。深圳连续波激光雷达哪家好
辅助驾驶，在目前的L2/L3级高级辅助驾驶中，激光雷达可覆盖前向视场（水平视场角覆盖60°到120°）以实现自动跟车或者高速自适应巡航等功能。通过发射信号和反射信号的对比，构建出点云图，从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除了传统的障碍物检测以外，激光雷达还可以应用于车道线检测。优点在于测距远、精度高，获取信息丰富，抗源干扰能力强。自动驾驶，未来，L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。激光雷达是一种可以扫描周围环境并生成三维图像的传感器。它可以被用于识别障碍物、构建地图和定位车辆等应用场景。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求较高，在要求360°水平扫描范围的同时，对于低反射率物体的较远测距能力需要达到200m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。浙江连续波激光雷达设备远探测 70 米 @80% 反射率，Mid - 360 无惧室外强光，性能稳定。
从车规级应用来看，小鹏P5配备2颗大疆Livox车规级棱镜式激光雷达，另外大疆Livox也获得了一汽解放量产项目的定点 。针对单颗棱镜式中心区域点云密集。两侧点云相对稀疏的情况，小鹏P5选择在车前部署了2颗激光雷达，前方提高至 180度的超宽点云视野，提高应对近处车辆加塞、十字路口拐弯等复杂路况的通行能力。针对车规级设备需要在连续振动、高低温、高湿高盐等环境下连续工作的特点，固态激光雷达成为了较为可行的发展方向。喜欢特种行业的朋友应该都听过军机、军舰上搭载的相控阵雷达，而OPA光学相控阵激光雷达便是运用了与之相似的原理，并把它搬到了车端。
在三维模型重建方面，较初的研究集中于邻接关系和初始姿态均已知时的点云精配准、点云融合以及三维表面重建。在此，邻接关系用以指明哪些点云与给定的某幅点云之间具有一定的重叠区域，该关系通常通过记录每幅点云的扫描顺序得到。而初始姿态则依赖于转台标定、物体表面标记点或者人工选取对应点等方式实现。这类算法需要较多的人工干预，因而自动化程度不高。接着，研究人员转向点云邻接关系已知但初始姿态未知情况下的三维模型重建，常见方法有基于关键点匹配、基于线匹配、以及基于面匹配 等三类算法。抗室外强光，Mid - 360 室内昏暗与室外强光下性能无缝衔接。
LiDAR还能够用于确定测量目标的速度。这可以通过多普勒方法或快速连续测距来实现。例如，可以使用LiDAR系统测量风速和车速。另外，LiDAR系统能够用于建立动态场景的三维模型，这是自动驾驶中会遇到的情形。这可以通过多种方式来实现，通常使用的是扫描的方式。LiDAR 技术中的挑战，在可实现的LiDAR系统中存在一些众所周知的挑战。这些挑战根据LiDAR系统的类型有所不同。以下是一些示例：隔离和抑制发射光束的信号——探测光束的辐射亮度通常远大于回波光束。必须注意确保探测光束不会被系统自身反射或散射回接收器，否则探测器将会因为饱和而无法探测外部目标。激光雷达在考古发掘中用于绘制遗址的三维模型。深圳连续波激光雷达哪家好
激光雷达的高稳定性使其在太空探测任务中备受青睐。深圳连续波激光雷达哪家好
半固态—MEMS式激光雷达，MEMS全称Micro-Electro-Mechanical System（微机电系统），是将原本激光雷达的机械结构通过微电子技术集成到硅基芯片上。本质上而言MEMS激光雷达并没有做到完全取消机械结构，所以它是一种半固态激光雷达。工作原理，MEMS在硅基芯片上集成了体积十分精巧的微振镜，其主要结构是尺寸很小的悬臂梁——通过控制微小的镜面平动和扭转往复运动，将激光管反射到不同的角度完成扫描，而激光发生器本身固定不动。其次，MEMS的振动角度有限导致视场角比较小（小于120度），同时受限于MEMS微振镜的镜面尺寸，传统MEMS技术的有效探测距离只有50米，FOV角度只能达到30度，多用于近距离补盲或者前向探测。深圳连续波激光雷达哪家好
