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Mid - 360 作为新选择，让移动机器人在更多场景精确感知环境。浙江Horizon激光雷达
视场角与分辨率，激光雷达视场角分为水平视场角和垂直视场角，水平视场角即为在水平方向上可以观测的角度范围，旋转式激光雷达旋转一周为 360°，所以水平视场角为 360°。垂直视场角为在垂直方向上可以观测的角度，一般为 40°。而它并不是对称均匀分布的，因为我们主要是需要扫描路面上的障碍物，而不是把激光打向天空，为了良好的利用激光，因此激光光束会尽量向下偏置一定的角度。并且为了达到既检测到障碍物，同时把激光束集中到中间感兴趣的部分，来更好的检测车辆，激光雷达的光束不是垂直均匀分布的，而是中间密，两边疏。 可以看到激光雷达的有一定的偏置，向上的角度为 15°，向下的为 25°，并且激光光束中间密集，两边稀疏。天津四探头激光雷达制造览沃 Mid - 360 探测距离 可为10cm，小盲区配合小巧体积，轻松实现无盲区覆盖。
新思科技提供的多个光学和光子学工具，可用于支持LiDAR的系统级和元件级设计：CODE V 光学设计软件，用于在LiDAR系统中设计光学接收系统。光学设计应用：在 LiDAR系统中优化接收器上的圈入能量。使用CODE V优化LiDAR中的接收光学系统，LightTools 照明设计软件能模拟雨滴、雾霾等大气环境对光信号探测造成的影响，并能获取返回光程数据以解决飞行时间计算问题。用于 LiDAR 和激光光源的功能。使用LightTools模拟LiDAR光学系统，Photonic Solutions光子方案模拟工具，能够对LiDAR系统中的多个组件进行优化设计。
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。小巧设计易隐藏，览沃 Mid - 360 为机器人外观增添更多设计美感。
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。360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。无人矿车激光雷达制造
激光雷达的扫描速度快，提高了数据处理效率。浙江Horizon激光雷达
车联网+机器人，智慧城市、车联网等场景有助于催生路侧激光雷达市场成长。世界范围来看，中国车联网发展速度较快，战略化程度较高。2020 年 2 月，国家发展革新委、工信部、科技部等 11 个部委联合印发《智能汽车创新发展战略》，提出到 2025 年，车用无线通信网络（LTE-V2X 等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）逐步开展应用，高精度时空基准服务网络实现全覆盖。激光雷达结合智能算法，能够提供高精度的位置、形状、姿态等信息，实现对交通状况进行全局性的精确把控，对车路协同功能的实现至关重要。随着智能城市、智能交通项目的落地，未来该市场对激光雷达的需求将呈现稳定增长态势。浙江Horizon激光雷达
