激光雷达的应用：1、林业调绘，森林中的树木结构和高度的可视化是LiDAR应用真正成功的领域。但激光雷达真的能“穿透”树木吗？想象一下，你站在森林中间，抬头看。你能看到阳光吗？如果您可以看到光线透过，那么LiDAR也可以。当你知道树的高度和地面的高度时，你就会得到一个真正的垂直剖面，如果你真的想要一个3D植被结构，地面LiDAR也可以生成逼真的3D模型。其实，地球科学激光高度计系统(GLAS)是头一个从太空绘制森林地图的激光测距(LiDAR)仪器。2、确定土地用途，激光雷达分类代码包括地面、植被（低，中，高）、建筑、架空导线、公路、铁路和水等等，每个分类定义都来自反射的激光脉冲。甚至通过多期数据监测可以稳定地了解我们星球的动态变化，包括气候变化。激光雷达助无人驾驶感知路况，让出行安全高效。安徽连续波激光雷达
线数，线数越高，表示单位时间内采样的点就越多，分辨率也就越高，目前无人驾驶车一般采用32线或64线的激光雷达。分辨率，分辨率和激光光束之间的夹角有关，夹角越小，分辨率越高。固态激光雷达的垂直分辨率和水平分辨率大概相当，约为0.1°，旋转式激光雷达的水平角分辨率为0.08°，垂直角分辨率约为0.4°。探测距离，激光雷达的较大测量距离。在自动驾驶领域应用的激光雷达的测距范围普遍在100~200m左右。测量精度，激光雷达的数据手册中的测量精度(Accuracy)常表示为，例如±2cm的形式。精度表示设备测量位置与实际位置偏差的范围。广东三维激光雷达价位借 360°x59° 超广 FOV，Mid - 360 力保移动机器人作业现场安全。
而如较新的 Livox Horizon 激光雷达，也包含了多回波信息及噪点信息，格式如下：每个标记信息由1字节组成：该字节中 bit7 和 bit6 为头一组，bit5 和 bit4 为第二组，bit3 和 bit2 为第三组，bit1 和 bit0 为第四组。第二组表示的是该采样点的回波次序。由于 Livox Horizon 采用同轴光路，即使外部无被测物体，其内部的光学系统也会产生一个回波，该回波记为第 0 个回波。随后，若激光出射方向存在可被探测的物体，则较先返回系统的激光回波记为第 1 个回波，随后为第 2 个回波，以此类推。如果被探测物体距离过近（例如 1.5m），第 1 个回波将会融合到第 0 个回波里,该回波记为第 0 个回波。
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。农业植保依靠激光雷达辅助无人机，完成精确变量喷洒作业。
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。激光雷达以其高分辨率成像能力，在无人机地形测绘中发挥着重要作用。AMR激光雷达
海洋探测中激光雷达测量海底地貌，支持海洋资源开发。安徽连续波激光雷达
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安徽连续波激光雷达
