激光雷达，也称光学雷达（LIght Detection And Ranging）是激光探测与测距系统的简称，它通过测定传感器发射器与目标物体之间的传播距离，分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位等信息，从而呈现出目标物精确的三维结构信息。自上世纪60年代激光被发明不久，激光雷达就大规模发展起来。而测距原理上目前主要以飞行时间（time of flight）法为主，利用发射器发射的脉冲信号和接收器接受到的反射脉冲信号的时间间隔来计算和目标物体的距离。物流分拣依靠激光雷达引导机械臂，快速准确分拣货物。地面激光雷达
优劣势分析：优点：FLASH激光雷达较大的优势在于可以一次性实现全局成像来完成探测，且成像速度快。体积小，易安装，易融入车的整体外观设计。设计简洁，元件极少，成本低。信号处理电路简单，消耗运算资源少，整体成本低。刷新频率可高达3MHz，是传统摄像头的10万倍，实时性好，因此易过车规。缺点：不过FLASH激光单点面积比扫描型激光单点大，因此其功率密度较低，进而影响到探测精度和探测距离（低于50米）。要改善其性能，需要使用功率更大的激光器，或更先进的激光发射阵列，让发光单元按一定模式导通点亮，以取得扫描器的效果。湖北激光雷达参考价工业生产里激光雷达检测产品缺陷，高效保证产品质量。
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
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。激光雷达的耐用性保证了其在恶劣环境下的长期稳定运行。
不同类激光雷达的优缺点：机械旋转式激光雷达，机械旋转式Lidar的发射和接收模块存在宏观意义上的转动。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。机械旋转Lidar分立的收发组件导致生产过程要人工光路对准，费时费力，可量产性差。目前有的机械旋转Lidar厂商在走芯片化的路线，将多线激光发射模组集成到一片芯片，提高生产效率和量产性，降低成本，减小旋转部件的大小和体积，使其更易过车规。优点：技术成熟；扫描速度快；可360度扫描。缺点：可量产性差：光路调试、装配复杂，生产效率低；价格贵：靠增加收发模块的数量实现高线束，元器件成本高，主机厂难以接受；难过车规：旋转部件体积/重量庞大，难以满足车规的严苛要求；造型不易于集成到车体。激光雷达在物流领域提高了货物分拣和配送的效率。上海轨旁入侵激光雷达哪家好
激光雷达通过多角度扫描，获取目标的完整信息。地面激光雷达
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。地面激光雷达
