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。自动驾驶巴士借助激光雷达感知周边，安全接送乘客。陕西电力激光雷达
激光雷达是实现更高级别自动驾驶（L3级别以上），以及更高安全性的良好途径，相比于毫米波雷达，激光雷达的分辨率更高、稳定性更好、三维数据也更可靠。什么是激光雷达？激光雷达（LiDAR）是光探测与测距（Light Detection and Ranging）技术的缩写。在工作过程中，激光束从光源发射并被场景中的物体反射回探测器，通过测量光束飞行时间（Time of Flight，简称ToF），可以推算出场景内物体的距离，并生成距离地图。所谓雷达，就是用电磁波探测目标的电子设备。激光雷达(LightDetectionAndRanging，简称"LiDAR")，顾名思义就是以激光来探测目标的雷达。我们知道波长与频率成反比，波长越长，衍射能力越强，传播的距离也就越长。海南激光雷达市价测绘领域中激光雷达快速采集地形数据，绘制高精度地图。
激光雷达的市场概况：全球市场概况，激光雷达过去用于工业测绘、气象监测等领域，未来车载领域将成为较重要细分。气象监测、地形测绘与车载、机器人领域对激光雷达的技术要求不同，分属不同细分市场。下游需求刺激行业快速发展，激光雷达市场规模有望达百亿美元。受益于无人驾驶、高级辅助驾驶（ADAS）和服务机器人领域的需求，有望迎来高速增长期。据Velodyne预测，2022年智能驾驶将占总市场规模的60.5%，成为激光雷达产业较大的增长极，工业、无人机、机器人领域各占比24.4%、8.4%、4.2%。
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。激光雷达在物流领域提高了货物分拣和配送的效率。
工作原理，相控阵雷达发射的是电磁波，OPA（Optical Phase Array的简称,即光学相控阵）激光雷达发射的是光，而光和电磁波一样也表现出波的特性，所以原理上是一样的。波与波之间会产生干涉现象，通过控制相控阵雷达平面阵列各个阵元的电流相位，利用相位差可以让不同的位置的波源会产生干涉（类似的是两圈水波相互叠加后，有的方向会相互抵消，有的会相互增强），从而指向特定的方向，往复控制便得以实现扫描效果。利用光的相干性质，通过人为控制相位差实现不同方向的光发射效果；我们知道光和电磁波一样也表现出波的特性，因此同样可以利用相位差控制干涉让激光“转向”特定的角度，往复控制实现扫描效果。激光雷达的工作原理基于光的传播速度和反射原理，实现高精度测距。补盲激光雷达厂家
Mid - 360 升维感知，从 2D 到 3D，助力移动机器人高效建图定位。陕西电力激光雷达
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陕西电力激光雷达
