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。激光雷达助无人驾驶感知路况，让出行安全高效。自动驾驶激光雷达参考价
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。障碍物入侵监测激光雷达制造激光雷达在考古发掘中用于绘制遗址的三维模型。
反射强度，LiDAR 返回的每个数据中，除了根据速度和时间计算出的反射强度其实是指激光点回波功率和发射功率的比值。而激光的反射强度根据现有的光学模型，可以较好的刻画为以下模型。我们可以看到，激光点的反射率和距离的平方成反比，和物体的入射角成反比。入射角是入射光线与物体表面法线的夹角。时间戳和编码信息，LiDAR 通常从硬件层面支持授时，即有硬件 trigger 触发 LiDAR 数据，并支持给这一帧数据打上时间戳。通常会提供支持三种时间同步接口，IEEE 15882008同步，遵循精确时间协议，通过以太网对测量以及系统控制实现精确的时钟同步。
激光雷达（Lidar）光束范围很窄，所以需要更多的纵向光束，以覆盖大的面积，所以线束决定着画面大小，扫描再通过返回的时间测量距离，并精确、快速构建模型，相比目前的其他雷达强太多，所以更适合自动驾驶系统，但也同样易受天气影像，成本较高。转镜：转镜分为一维转镜和二维转镜。一维转镜通过旋转的多面体反射镜，将激光反射到不同的方向；二维转镜顾名思义内部集成了两个转镜，一个多边棱镜负责横向旋转，一个负责纵向翻转，实现一束激光包揽横纵双向扫描。转镜激光雷达体积小、成本低，与机械式激光雷达效果一致，但机械频率也很高，在寿命上不够理想。远探测 70 米 @80% 反射率，Mid - 360 无惧室外强光，性能稳定。
测远能力: 一般指激光雷达对于10%低反射率目标物的较远探测距离。较近测量距离：激光雷达能够输出可靠探测数据的较近距离。测距盲区：从激光雷达外罩到较近测量距离之间的范围,这段距离内激光雷达无法获取有效的测量信号,无法对目标物信息进行反馈。角度盲区：激光雷达视场角范围没有覆盖的区域,系统无法获取这些区域内的目标物信息。角度分辨率：激光雷达相邻两个探测点之间的角度间隔,分为水平角度分辨率与垂直角度分辨率。相邻探测点之间角度间隔越小,对目标物的细节分辨能力越强。激光雷达的功耗低，延长了设备的使用寿命。云南四探头激光雷达
消防救援依靠激光雷达在浓烟中定位，引导灭火救援。自动驾驶激光雷达参考价
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。自动驾驶激光雷达参考价
