当三维点较为稠密的时候，可以像视觉一样提取特征点和其周围的描述子，主要通过选择几何属性（如法线和曲率）比较有区分度的点，在计算其局部邻域的几何属性的统计得到关键点的描述子，而当处理目前市面上的激光雷达得到的单帧点云数据时，由于点云较为稀疏，主要依靠每个激光器在扫描时得到的环线根据曲率得到特征点。而有了两帧点云的数据根据配准得到了相对位姿变换关系后，我们便可以利用激光雷达传感器获得的数据来估计载体物体的位姿随时间的变化而改变的关系。比如我们可以利用当前帧和上一帧数据进行匹配，或者当前帧和累计堆叠出来的子地图进行匹配，得到位姿变换关系，从而实现里程计的作用。激光雷达的轻便设计使其便于携带和操作。天津微波激光雷达正规
LiDAR 数据通常在空中收集，如NOAA在加州大苏尔Bixby大桥上空的调查飞机（右图）。这里的LiDAR数据显示了Bixby大桥的俯视图（左上）和侧视图（左下）。NOAA的科学家使用基于LiDAR的装置检查自然和人造环境。LiDAR数据支持洪水和风暴潮建模、水动力建模、海岸线测绘、应急响应、水文测量以及海岸脆弱性分析等活动。此外，地形LiDAR使用近红外激光绘制地形和建筑物地图，而测深LiDAR使用透水绿光绘制海底和河床地图。在农业中，LiDAR可用于绘制拓扑图和作物生长图，从而提供有关肥料需求和灌溉需求的信息。深圳国产激光雷达制造探测距离可为 10cm，览沃 Mid - 360 小盲区优势实现精确感知。
在实际应用中，很多时候并不知道点云之间的邻接关系。针对此，研究人员开发了较小张树算法和连接图算法以实现邻接关系的计算。总体而言，三维模型重建算法的发展趋势是自动化程度越来越高，所需人工干预越来越少，且应用面越来越广。然而，现有算法依然存在运算复杂度较高、只能针对单个物体、且对背景干扰敏感等问题。研究具有较低运算复杂度且不依赖于先验知识的全自动三维模型重建算法，是目前的主要难点。然而，如何在包含遮挡、背景干扰、噪声、逸出点以及数据分辨率变化等的复杂场景中实现对感兴趣目标的检测识别与分割，仍然是一个富有挑战性的问题。
激光雷达的应用：1、林业调绘，森林中的树木结构和高度的可视化是LiDAR应用真正成功的领域。但激光雷达真的能“穿透”树木吗？想象一下，你站在森林中间，抬头看。你能看到阳光吗？如果您可以看到光线透过，那么LiDAR也可以。当你知道树的高度和地面的高度时，你就会得到一个真正的垂直剖面，如果你真的想要一个3D植被结构，地面LiDAR也可以生成逼真的3D模型。其实，地球科学激光高度计系统(GLAS)是头一个从太空绘制森林地图的激光测距(LiDAR)仪器。2、确定土地用途，激光雷达分类代码包括地面、植被（低，中，高）、建筑、架空导线、公路、铁路和水等等，每个分类定义都来自反射的激光脉冲。甚至通过多期数据监测可以稳定地了解我们星球的动态变化，包括气候变化。Mid - 360 以 360°x59° 超广 FOV，增强移动机器人复杂环境感知力。
从自动驾驶技术发展来看，L0-L2阶段，传感器与控制系统的革新是主要变化；L3-L4阶段，感知与决策能力的增强是主要变化。L2、L3及L4级别的智能驾驶所需激光雷达台数分别为0台、1台和5台，激光雷达称为推动智能驾驶发展的重要因素。就国内市场而言，中国拥有世界较大的高级辅助驾驶和无人驾驶市场，成长空间也较为广阔。2020年11月发布的《智能网联汽车技术路线图（2.0版）》明确指出到2030年我国L2和L3级渗透率要超过70%。但激光雷达的技术路线仍然有其他的选项尚未成熟，市场目前依然处于群雄逐鹿的状态。伴随着在汽车行业的不断渗透与工业自动化的发展，激光雷达的投资机会可不断给到我们想象空间。360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。FOV激光雷达价位
览沃 Mid - 360 主动抗串扰，在室内多雷达场景中保持稳定探测。天津微波激光雷达正规
激光雷达能够准确输出障碍物的大小和距离，通过算法对点云数据的处理可以输出障碍物的3D框，如：3D行人检测、3D车辆检测等；亦可进行车道线检测、场景分割等任务。除了障碍物感知，激光雷达还可以用来制作高精度地图。地图采集过程中，激光雷达每隔一小段时间输出一帧点云数据，这些点云数据包含环境的准确三维信息，通过把这些点云数据做拼接，就可以得到该区域的高精度地图。在定位方面，智能车在行驶过程中利用当前激光雷达采集的点云数据帧和高精度地图做匹配，可以获取智能车的位置。天津微波激光雷达正规
