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管道检测使用激光雷达探查内部，预防泄漏等事故。无人驾驶激光雷达行价
优劣势分析，优势：首先，该设计减少了激光发射和接收的线数以实现一帧之内更高的线数，也随之降低了对焦与标定的复杂度，因此生产效率得以大幅提升，并且相比于传统机械式激光雷达，棱镜式的成本有了大幅的下降。其次，只要扫描时间够久，就能得到精度极高的点云以及环境建模，分辨率几乎没有上限，且可达到近100％的视场覆盖率。劣势：棱镜式激光雷达FOV相对较小，且视场中心的扫描点非常密集，雷达的视场边缘扫描点比较稀疏，在雷达启动的短时间内会有分辨率过低的问题。对于高速移动的汽车来说，显然不存在长时间扫描的情况，不过可以通过增加激光线束和功率实现更高的精度和更远的探测距离，但机械结构也相对更加复杂，体积让前两者更难以控制，存在轴承或衬套的磨损等风险。广东觅道Mid-70激光雷达市价览沃 Mid - 360 混合固态技术优越，实现 360° 全向超大视场角感知。
激光雷达的工作原理：对人畜无害的红外光束Light Pluses发射、反射和接收来探测物体。能探测的对象：白天或黑夜下的特定物体与车之间的距离。甚至由于反射度的不同，车道线和路面也是可以区分开来的。哪些物体无法探测：光束无法探测到被遮挡的物体。车用激光雷达工作原理就是蝙蝠测距用的回波时间（Time of Flight，缩写为TOF）测量方法。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，输出点云，从而呈现出目标物精确的三维结构信息。
点频，即周期采集点数，因为激光雷达在旋转扫描，因此水平方向上扫描的点数和激光雷达的扫描频率有一定的关系，扫描越快则点数会相对较少，扫描慢则点数相对较多。一般这个参数也被称为水平分辨率，比如激光雷达的水平分辨率为 0.2°，那么扫描的点数为 360°/0.2°=1800，也就是说水平方向会扫描 1800 次。那么激光雷达旋转一周，即一个扫描周期内扫描的点数为 1800*64=115200。比如禾赛 64 线激光雷达，扫描频率为 10Hz 的时候水平角分辨率为 0.2°，在扫描频率为 20Hz 的时候角分辨率为 0.4°（扫描快了，分辨率变低了）。输出的点数和计算的也相符合 1152000 pts/s。测绘领域中激光雷达快速采集地形数据，绘制高精度地图。
激光雷达的构成与分类：激光雷达的构成，激光雷达发展到现在，其结构精密且复杂，主要由激光系统、接收系统、信号处理单元和扫描模块四大主要组件构成。激光器以脉冲的方式点亮发射激光，照射到障碍物后对物体进行3D扫描，反射光线经由镜头组汇聚到接收器上。信号处理单元负责控制激光器的发射，并将接收到的模拟信号转为数字信号，然后进入主控芯片进行数据的处理和计算。进一步的，我们可以根据以下指标判断激光雷达的好坏。视场角，视场角决定了激光雷达能够看到的视野范围，分为水平视场角和垂直视场角，视场角越大，表示视野范围越大，反之则表示视野范围越小。激光雷达在考古发掘中用于绘制遗址的三维模型。深圳单线激光雷达厂商
激光雷达的设计优化提高了其在复杂环境中的可靠性。无人驾驶激光雷达行价
辅助驾驶，在目前的L2/L3级高级辅助驾驶中，激光雷达可覆盖前向视场（水平视场角覆盖60°到120°）以实现自动跟车或者高速自适应巡航等功能。通过发射信号和反射信号的对比，构建出点云图，从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除了传统的障碍物检测以外，激光雷达还可以应用于车道线检测。优点在于测距远、精度高，获取信息丰富，抗源干扰能力强。自动驾驶，未来，L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。激光雷达是一种可以扫描周围环境并生成三维图像的传感器。它可以被用于识别障碍物、构建地图和定位车辆等应用场景。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求较高，在要求360°水平扫描范围的同时，对于低反射率物体的较远测距能力需要达到200m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。无人驾驶激光雷达行价
