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激光雷达的扫描速度快，提高了数据处理效率。福建量子雷达激光雷达
关于实际量程：雷达对特定目标的实际量程会受到如下因素的影响：1、目标漫反射率，目标漫反射率不但与材质有关，也与表面朝向有关。目标漫反射率越高，实际量程就越远；2、反射面积，目标表面被激光光斑覆盖的面积。覆盖面积越大，实际测量距离越远；3、透光罩脏污程度，雷达的透光罩脏污会造成透光性能下降，透光性能下降得越多，测量能力越差，透光率下降至 60%时，测量能力可能完全失效；4、大气条件，雷达的实际测量能力同时受到大气条件的影响，特别是在户外工作时。大气的光传播能力越差，雷达的实际测量能力越低。在极端天气条件 (例如浓雾)下，测量能力会完全失效。上海多线激光雷达供应服务机器人借助激光雷达规划路径，实现室内外自主移动。
激光雷达是20世纪60年代初次提出的一项技术， 随着应用的普遍，在过去的几年里，激光雷达经历了一轮新的繁荣进步和多行业使用，已迅速成为自动驾驶、无人机巡查、工业自动化等领域的关键技术。截至目前，我们已推出了好几款激光雷达AS系列产品，涵盖避障型、导航型以及导航避障一体型；具有测量精度高、扫描速度快、抗干扰能力强、体积小、重量轻、可靠性高等优势，是工业AGV、移动机器人、低速机器人的理想选择。每一种传感器基于各自的性能特点，都有其适合的应用场景。在实际特殊环境应用中，激光雷达也有着一些使用小技巧。
发射端与预定目标之间的大气杂质会产生虚假回波——这些大气杂质产生的虚假回波可能会非常强烈，以至于无法可靠的检测到来自预定目标物的回波信号。可用光功率限制——更高功率的光束可以提供更高的精度，但也更加昂贵。扫描速度——激光光源的工作频率可能对人眼造成危害并引发安全问题，然而我们可以通过其他方法来缓解这个问题。例如，固态LiDAR能够在不威胁人眼安全的波长下运行，并且还能照亮更广阔的区域。来自附近其他LiDAR装置的信号串扰可能会干扰目标信号。园区巡逻借助激光雷达协助车辆，自主巡查维护秩序。
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。览沃 Mid - 360 凭借 360°x59° 超广 FOV，感知三维空间信息。湖南近距离激光雷达
凭借主动抗串扰，Mid - 360 在室内多雷达信号中稳定工作。福建量子雷达激光雷达
在三维模型重建方面，较初的研究集中于邻接关系和初始姿态均已知时的点云精配准、点云融合以及三维表面重建。在此，邻接关系用以指明哪些点云与给定的某幅点云之间具有一定的重叠区域，该关系通常通过记录每幅点云的扫描顺序得到。而初始姿态则依赖于转台标定、物体表面标记点或者人工选取对应点等方式实现。这类算法需要较多的人工干预，因而自动化程度不高。接着，研究人员转向点云邻接关系已知但初始姿态未知情况下的三维模型重建，常见方法有基于关键点匹配、基于线匹配、以及基于面匹配 等三类算法。福建量子雷达激光雷达
