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在智能交通信号灯控制中实现了车辆流量的精确感知。障碍物入侵监测激光雷达设备
RSoft 工具，能够支持对片上LiDAR器件进行复杂的布局设计。任何单一仿真工具都无法胜任如此复杂性质的设计问题。组合使用RSoft工具，如FullWAVE FDTD用于发射器，Multiphysics Utility用于T-O Phaser，BeamPROP BPM用于分束器，将会达成较佳布局设计。OptSim，用于设计和模拟光通信系统。光学相干断层扫描（OCT）和光探测和测距（LiDAR）应用中接收到的射频频谱，得到飞行时间（ToF）的分辨率及测量结果。OptoCompiler，用于光子集成电路。光子集成电路的应用领域也在持续扩展，从数据中心中的收发器和开关到更多样化的汽车，生物医学和传感器市场，如（固态）LiDAR，层析成像和自由空间传感器。总之，随着科技不断进步与发展，LiDAR已经成为多个领域不可或缺且无法替代的关键工具之一。其普遍应用将进一步推动各行各业向着更加智能化、高效率和精确度发展，并为人类社会带来更多福祉与便利。江苏连续波激光雷达厂商激光雷达在野生动物保护中用于监测动物的活动范围和习性。
自动驾驶汽车中的汽车传感器使用摄像头数据、雷达和LiDAR来检测周围的物体，自动驾驶汽车使用LiDAR传感器探测周围建筑和车辆，开发LiDAR 系统所需要的软件工具，软件在LiDAR系统的创建和运行中的各个环节都非常关键。系统工程师需要辐射模型来预测回波信号的信噪比。电子工程师需要电子模型来建立电气设计。机械工程师需要CAD工具来完成系统布局。还可能会需要结构和热建模软件。LiDAR系统的运行需要控制软件和将点云转换并重建为三维模型的软件。而LiDAR是利用光作为探测媒介来感知周围的系统，因此光学工程师运用光学软件设计可靠稳定的光学系统是关键。
LiDAR 数据通常在空中收集，如NOAA在加州大苏尔Bixby大桥上空的调查飞机（右图）。这里的LiDAR数据显示了Bixby大桥的俯视图（左上）和侧视图（左下）。NOAA的科学家使用基于LiDAR的装置检查自然和人造环境。LiDAR数据支持洪水和风暴潮建模、水动力建模、海岸线测绘、应急响应、水文测量以及海岸脆弱性分析等活动。此外，地形LiDAR使用近红外激光绘制地形和建筑物地图，而测深LiDAR使用透水绿光绘制海底和河床地图。在农业中，LiDAR可用于绘制拓扑图和作物生长图，从而提供有关肥料需求和灌溉需求的信息。激光雷达在航空测量中提供了高精度的地理数据。
机械式激光雷达，工作原理，发射和接收模块被电机电动进行360度旋转。在竖直方向上排布多组激光线束，发射模块以一定频率发射激光线，通过不断旋转发射头实现动态扫描。优劣势分析，优势：机械式激光雷达作为较早装车的产品，技术已经比较成熟，因为其是由电机控制旋转，所以可以长时间内保持转速稳定，每次扫描的速度都是线性的。并且由于『站得高』，机械式激光雷达可以对周围环境进行精度够高并且清晰稳定的360度环境重构。劣势：虽然技术成熟，但因为其内部的激光收发模组线束多，并且需要复杂的人工调整，制造周期长，所以成本并不低，并且可靠性差，导致可量产性不高。其次，机械式激光雷达体积过大，消费者接受度不高。然后，它的寿命大约在1000h~3000h，而汽车厂商的要求是至少13000h，这也决定了其很难走向C端市场。激光雷达的功耗低，延长了设备的使用寿命。广东三维激光雷达制造
激光雷达在工业自动化中用于实时监测生产线上的物体的位置。障碍物入侵监测激光雷达设备
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。障碍物入侵监测激光雷达设备
