分类，激光雷达按结构不同大致可以分为：机械旋转激光雷达、混合半固态激光雷达和全固态激光雷达（Flash快闪和OPA相控阵，统称为非扫描式）。（一）机械旋转激光雷达，机械式激光雷达体积大、成本较高、装配难。它通过旋转实现横向360度的覆盖面，通过内部镜片实现垂直角度的覆盖面，同比有着更耐用稳定的特点，所以我们看到的自动驾驶路试车大多采用这种类型，雷达在车顶不停的在旋转完成横向扫描，靠增加激光束，实现纵向宽泛的扫描。（二）混合半固态激光雷达。按照扫描方式分为：转镜、硅基MEMS、振镜+转镜、旋转透射棱镜。突破传统，览沃 Mid - 360 为移动机器人提供全新环境感知选择。安徽雷达点云激光雷达
LiDAR 系统的工作原理及解决方案，本质上讲，LiDAR 是一个测量目标物体距离的装置。通过发射一个短的激光脉冲，并记录发射光脉冲与探测到的反射（反向散射）光脉冲的时间间隔，就可以推算出距离信息。系统的工作原理及解决方案，LiDAR系统可以使用扫描反射镜，多束激光或其它的方式“扫描”物体空间。借助其精确的测距能力，LiDAR 能够用于解决许多不同的问题。在遥感应用中，LiDAR系统用于测量散射，吸收，或大气中的颗粒或原子的再发射。在这些应用中，对激光束的波长可能会有专门的要求。可以用来测量特定分子种类在大气中的浓度，例如甲烷和气溶胶含量。而测量大气中的雨滴则可以用来估计风暴距离和降水概率。傲览Avia激光雷达设备激光雷达在虚拟现实技术中实现了真实世界的数字化重建。
给定两个来自不同坐标系的三维数据点集，找到两个点集空间的变换关系，使得两个点集能统一到同一坐标系统中，这个过程便称为配准。配准的目标是在全局坐标框架中找到单独获取的视图的相对位置和方向，使得它们之间的相交区域完全重叠。对于从不同视图（views）获取的每一组点云数据，点云数据很有可能是完全不相同的，需要一个能够将它们对齐在一起的单一点云模型，从而可以应用后续处理步骤，如分割和进行模型重建。目前对配准过程较常见的主要是 ICP 及其变种算法，NDT 算法，和基于特征提取的匹配。
早在上个世纪60年代，当人类制造出激光器后，科学家们根据激光的特性，较早提出的应用就是测距。在1967年7月，美国人进行了头一次载人登月飞行，就在月球上安装了一个发射装置用于测算地球和月球的距离。随后，正值冷战时期的人们，将激光应用在了制弹上。飞机发射激光照射目标，同时投掷激光制弹对准目标飞行，用激光随时修正自己的飞行路线，精确度非常高。20世纪70年代末，美国国家航空航天局（NASA）成功研制出一种具有扫描和高速数据记录能力的机载海洋激光雷达。用在大西洋和切萨皮克湾进行了水深的测定，并且绘制出水深小于10m的海底地貌。此后，机载激光雷达系统蕴含的巨大应用潜力开始受到关注，并很快被应用到陆地地形勘测研究当中。激光雷达的智能化处理提高了数据解析的自动化水平。
LiDAR的数据，三维点，对于旋转式激光雷达来说，得到的三维点便是一个很好的极坐标系下的多个点的观测，包含激光发射器的垂直俯仰角，发射器的水平旋转角度，根据激光回波时间计算得到的距离。但 LiDAR 通常会输出笛卡尔坐标系下的观测值，头一是因为 LiDAR 在极坐标系下测量效率高，也只是对于旋转式 LiDAR，目前阵列式 LiDAR 也有很多。第二笛卡尔坐标系更加直观，投影和旋转平移更加简洁，求解法向量，曲率，顶点等特征计算量小，点云的索引及搜索都更加高效。对于 MEMS 式激光雷达，由于一次采样周期为一个偏振镜旋转周期，10hz 下采样周期为 0.1 秒，但由于载体本身在进行高速移动时，我们需要对得到的数据进行消除运动畸变，来补偿采样周期内的运动。激光雷达在智能交通信号灯控制中实现了车辆流量的精确感知。江苏连续波激光雷达设备
Mid - 360 距离探测可为 10cm，小盲区助力嵌入式无盲区安装。安徽雷达点云激光雷达
为了克服探测距离的限制，FLASH激光雷达的表示厂商Ibeo、LedderTech开始在激光收发模块进行创新。车规级激光雷达鼻祖Ibeo，则一步到位推出了单光子激光雷达，Ibeo称其为Focal Plane Array焦平面，实际也可归为FlASH激光雷达。2019年8月27日，长城汽车与德国激光雷达厂商Ibeo正式签署了激光雷达技术战略合作协议，三方合作的产品基础就是ibeonEXT Generic 4D Solid State LiDAR。从长远来看，FLASH激光雷达芯片化程度高，规模化量产后大概率能拉低成本，随着技术的发展，FLASH激光雷达有望成为主流的技术方案。安徽雷达点云激光雷达
