旋转透射棱镜：棱镜激光雷达也称为双楔形棱镜激光雷达，内部包括两个楔形棱镜，激光在通过头一个楔形棱镜后发生一次偏转，通过第二个楔形棱镜后再一次发生偏转。控制两面棱镜的相对转速便可以控制激光束的扫描形态。棱镜激光雷达累积的扫描图案形状像花瓣，中心点扫描次数密集，圆的边缘则相对稀疏，扫描时间持久才能丰富图像，所以需要加入多个激光雷达共工作，以便达到更高的效果。棱镜可以通过增加激光线束和功率实现高精与长距离探测，但结构复杂、体积更难控制，轴承与衬套磨损风险较大。桥梁检测使用激光雷达识别病害，保障桥梁安全通行。贵州POE激光雷达
我们可以根据 LiDAR 能描绘出稀疏的三维世界的特点，而扫描得到的障碍物点云通常又比背景更密集，通过分类聚类的方法可以利用其进行感知障碍物。而随着深度学习带来的检测和分割技术上的突破，LiDAR 已经能做到高效的检测行人和车辆，输出检测框，即 3D bounding box，或者对点云中的每一个点输出 label，更有甚者在尝试使用 LiDAR 检测地面上的车道线。在三维目标识别的对象方面，较初研究主要针对立方体、柱体、锥体以及二次曲面等简单形体构成的三维目标。近距离激光雷达市价激光雷达的工作原理基于光的传播速度和反射原理，实现高精度测距。
如今，LiDAR经常用于创建所处空间的三维模型。自主导航是使用LiDAR系统生成的点云数据的应用之一。微型LiDAR系统甚至能够嵌入在手机大小的设备中。LiDAR 在现实世界中如何发挥作用，自主导航中的态势感知是LiDAR的一个较引人入胜的应用。任何移动车辆的态势感知系统都需要同样了解其周围的静止和移动物体。例如，雷达技术长期以来用于探测飞机。对于地面车辆，已经发现LiDAR非常有用，因为它能够确定物体的距离并且在方向性上非常精确。探测光束能够在角度上精确定向并快速扫描，据此创建三维模型点云数据。因为车辆周围的情况是高度动态的，所以快速扫描能力对这类应用至关重要。
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激光雷达的功耗低，延长了设备的使用寿命。
激光雷达在ADAS应用：海内外持续发展，2025年全球市场规模有望达6.2亿美元。2020年10月，百度在北京全方面开放无人驾驶出租车服务，在13个城市部署总数测试车辆，并且与一汽红旗合作实现了中国首条L4级自动驾驶乘用车生产线建设，具备批量生产能力。根据Forst&Sullivan研究估计，2026年ADAS领域使用激光雷达产业规模有望达12.9亿美元。其中，中国、美国、其他地区分别为6.7/3.5/2.7亿美元。2030年ADAS领域使用激光雷达产业规模有望达64.9亿美元，其中中国、美国、其他地区分别为32.5/13.0/19.5亿美元。激光雷达的抗干扰能力强，保证了数据的准确性。雷达点云激光雷达市场价格
激光雷达的远程测量能力使其适用于大型工程监测。贵州POE激光雷达
下游主要客户：车载领域，目前，在智能驾驶市场中，ADAS+ADS双轮驱动，激光雷达作为智能驾驶画龙点睛的产品，不可或缺。在高级辅助驾驶市场，激光雷达的成本不断下降，商业化进程有望提速，全球范围内L3级辅助驾驶量产车项目当前处于快速开发之中。世界各地交通法规的修订为L3级自动驾驶技术商业化落地带来机会。2020年6月通过的《ALKS车道自动保持系统条例》，这是全球范围内头一个针对L3级自动驾驶具有约束力的国际法规。随着激光雷达成本下探至数百美元区间且达到车规级要求，未来越来越多高级辅助驾驶量产项目将实现量产；根据Forst&Sullivan的研究报告，2021-2026E、2026E-2020E全球乘用车新车市场ADAS车辆销售CAGR有望达75.5%、30.5%，其中中国增速较高，分别为92.2%/29.3%。贵州POE激光雷达
