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集成度高，便于安装在各种平台上。广东二维激光雷达供应
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。无人矿车激光雷达厂家直销激光雷达在管道检测中用于发现潜在的泄漏和损坏。
脉冲同步（PPS），脉冲同步通过同步信号线实现数据同步。GPS同步（PPS+UTC），通过同步信号线和 UTC 时间（GPS 时间）实现数据同步。然后我们从 LiDAR 硬件得到一串数据包，需要过一次驱动才能将其解析成点云通用的格式，如 ROSMSG 或者 pcl 点云格式，以目前较普遍的旋转式激光雷达的数据为例，其数据为 10hz，即 LiDAR 在 0.1s 时间内转一圈，并将硬件得到的数据按照不同角度切成不同的 packet，以下便是一个 packet 数据包定义示意图。每一个 packet 包含了当前扇区所有点的数据，包含每个点的时间戳，每个点的 xyz 数据，每个点的发射强度，每个点来自的激光发射机的 id 等信息。
要知道光速是每秒30万公里。要区分目标厘米级别的精确距离，那对传输时间测量分辨率必须做到1纳秒。要如此精确的测量时间，因此对应的测量系统的成本就很难降到很低，需要使用巧妙的方法降低测量难度。首先，我们需要明确，激光雷达并不是单独运作的，一般是由激光发射器、接收器和惯性定位导航三个主要模块组成。当激光雷达工作的时候，会对外发射激光，在遇到物体后，激光折射回来被CMOS传感器接收，从而测得本体到障碍物的距离。从原理来看，只要需要知道光速、和从发射到CMOS感知的时间就可以测出障碍物的距离，再结合实时GPS、惯性导航信息与计算激光雷达发射出去角度，系统就可以得到前方物体的坐标方位和距离信息。可达 70 米 @80% 反射率探测，览沃 Mid - 360 室内外感知表现如一。
优劣势分析：优点：FLASH激光雷达较大的优势在于可以一次性实现全局成像来完成探测，且成像速度快。体积小，易安装，易融入车的整体外观设计。设计简洁，元件极少，成本低。信号处理电路简单，消耗运算资源少，整体成本低。刷新频率可高达3MHz，是传统摄像头的10万倍，实时性好，因此易过车规。缺点：不过FLASH激光单点面积比扫描型激光单点大，因此其功率密度较低，进而影响到探测精度和探测距离（低于50米）。要改善其性能，需要使用功率更大的激光器，或更先进的激光发射阵列，让发光单元按一定模式导通点亮，以取得扫描器的效果。智能停车系统凭借激光雷达检测车位，实现快速引导。浙江三维激光雷达设备
激光雷达在农业领域用于监测作物生长情况。广东二维激光雷达供应
MEMS：MEMS激光雷达通过“振动”调整激光反射角度，实现扫描，激光发射器固定不动，但很考验接收器的能力，而且寿命同样是行业内的重大挑战。支撑振镜的悬臂梁角度有限，覆盖面很小，所以需要多个雷达进行共同拼接才能实现大视角覆盖，这就会在每个激光雷达扫描的边缘出现不均匀的畸变与重叠，不利于算法处理。另外，悬臂梁很细，机械寿命也有待进一步提升。振镜+转镜：在转镜的基础上加入振镜，转镜负责横向，振镜负责纵向，满足更宽泛的扫射角度，频率更高价格相比前两者更贵，但同样面临寿命问题。广东二维激光雷达供应
