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。具备出色抗强光能力，览沃 Mid - 360 室内外环境切换性能无缝衔接。广东三维激光雷达价位
行业上游供应商，激光雷达产业链可以分为上游（光学和电子元器件）、中游（集成激光雷达）、下游（不同应用场景）。其中上游为激光发射、激光接收、扫描系统和信息处理四大部分，包含大量的光学和电子元器件。中游为集成的激光雷达产品，下游包括测绘、无人驾驶汽车、高精度地图、服务机器人、无人机等众多应用领域。激光器和探测器是激光雷达的重要部件，激光器和探测器的性能、成本、可靠性与激光雷达产品的性能、成本、可靠性密切相关。天津重复扫描激光雷达览沃 Mid - 360 实现感知升维，助力移动机器人自主完成复杂环境建图。
目前，LiDAR已普遍应用于各个领域。在大气科学中，LiDAR被用于空气质量监测和污染物检测；在天文学领域，LiDAR技术可用于观察行星表面地貌特征以及太阳系内其他天体的形态结构；在工程建设方面，利用LiDAR技术可以快速获取地形数据、制作数字高程模型（DEM）以及生成精确的三维地图；而在汽车领域中，人们普遍认为LiDAR是一项关键的光学距离感知技术，在自动驾驶领域得到了普遍应用。几乎所有投入自动驾驶研发的厂商都将LiDAR视为一项关键技术，并且已经有一些低成本、小体积的LiDAR系统被应用于高级驾驶辅助系统（Advanced Driver Assistance Systems, ADAS）。
优劣势分析，优势：MEMS激光雷达因为摆脱了笨重的「旋转电机」和「扫描镜」等机械运动装置，去除了金属机械结构部件，同时配备的是毫米级的微振镜，这较大程度上减少了MEMS激光雷达的尺寸，与传统的光学扫描镜相比，在光学、机械性能和功耗方面表现更为突出。其次，得益于激光收发单元的数量的减少，同时MEMS振镜整体结构所使用的硅基材料还有降价空间，因此MEMS激光雷达的整体成本有望进一步降低。劣势：MEMS激光雷达的「微振镜」属于振动敏感性器件，同时硅基MEMS的悬臂梁结构非常脆弱，外界的振动或冲击极易直接致其断裂，车载环境很容易对其使用寿命和工作稳定性产生影响。激光雷达的维护简单，降低了使用成本。
配准 registration，ICP 算法较早由 Chen and Medioni，and Besl and McKay 提出。其算法本质上是基于较小二乘法的较优配准方法。该算法重复进行选择对应关系点对，计算较优刚体变换这一过程，直到根据点对的欧氏距离定义的损失函数满足正确配准的收敛精度要求。ICP 是一个普遍使用的配准算法，主要目的就是找到旋转和平移参数，将两个不同坐标系下的点云，以其中一个点云坐标系为全局坐标系，另一个点云经过旋转和平移后两组点云重合部分完全重叠。智能零售中激光雷达分析顾客行为，优化店铺空间布局。黑龙江傲览Avia激光雷达
可达 70 米 @80% 反射率探测，览沃 Mid - 360 室内外感知表现如一。广东三维激光雷达价位
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。广东三维激光雷达价位
