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。激光雷达能够快速捕获运动目标的动态信息。重复扫描激光雷达市价
激光雷达的应用：1测量测绘，1、地形测绘，激光雷达通过揭示地面细微的高程变化来展示地貌。它较大的优势在于它是一个高速“采样工具”，激光雷达每秒从空中向地面发出数十万甚至上百万个脉冲，正是这种密集的点云使我们能够获取真实地貌。2、建筑质量控制，使用LiDAR进行建筑扫描可以确保建筑与建筑信息模型(BIM)相匹配。将来自地面扫描的点云与BIM设计对比可保证施工质量并按计划进行，LiDAR较大的优势是实时扫描，能在项目早期发现缺陷，否则，任何有缺陷的结构返工都会浪费时间和金钱。自动驾驶激光雷达市场价格10cm 小盲区配合小巧身形，览沃 Mid - 360 为机器人提供无死角视野。
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。
激光雷达产业自诞生以来，紧跟底层器件的前沿发展，呈现出了技术水平高的突出特点。激光雷达厂商不断引入新的技术架构，提升探测性能并拓展应用领域：从激光器发明之初的单点激光雷达到后来的单线扫描激光雷达，以及在无人驾驶技术中获得普遍认可的多线扫描激光雷达，再到技术方案不断创新的固态式激光雷达、FMCW激光雷达，以及如今芯片化的发展趋势，激光雷达一直以来都是新兴技术发展及应用的表示。适用于实现部分视场角（如前向）的探测，因为不含机械扫描器件，其体积相较于其他架构较为紧凑。激光雷达的实时性使其成为智能交通系统的重要组成部分。
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。Mid - 360 作为新选择，让移动机器人在更多场景精确感知环境。贵州觅道Mid-360激光雷达
服务机器人借助激光雷达规划路径，实现室内外自主移动。重复扫描激光雷达市价
激光雷达难点：当周边环境中存在透明介质 (如洁净水体) 时，位于透明介质内部或后方的目标能够被测到。由于光线在透明介质中会发生折射，被测目标实际上位于折射光路上，而测量结果则位于直线光路上，测量出的目标位置会发生偏差，此外，雷达也可能会收到两个反射回波，一个来自于透明介质内部或后方的实际目标表面的反射，另一个来自于不完全洁净的透明介质表面的漫反射，此时的测量结果不确定，有可能是介质表面，也可能是实际目标。重复扫描激光雷达市价
