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。航空测绘依靠激光雷达获取数据，服务城市规划建设。上海站台入侵激光雷达
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。自动驾驶激光雷达市价激光雷达的抗干扰能力强，保证了数据的准确性。
分类，激光雷达按结构不同大致可以分为：机械旋转激光雷达、混合半固态激光雷达和全固态激光雷达（Flash快闪和OPA相控阵，统称为非扫描式）。（一）机械旋转激光雷达，机械式激光雷达体积大、成本较高、装配难。它通过旋转实现横向360度的覆盖面，通过内部镜片实现垂直角度的覆盖面，同比有着更耐用稳定的特点，所以我们看到的自动驾驶路试车大多采用这种类型，雷达在车顶不停的在旋转完成横向扫描，靠增加激光束，实现纵向宽泛的扫描。（二）混合半固态激光雷达。按照扫描方式分为：转镜、硅基MEMS、振镜+转镜、旋转透射棱镜。
激光雷达的分类，激光雷达行业具有较高的技术水准与技术壁垒，并同时具有技术创新能力强与产品迭代速度快的特征。其技术发展方向与半导体行业契合度高，激光雷达系统中主要的激光器、探测器、控制及处理单元均能从半导体行业的发展中受益，收发单元阵列化以及主要模块芯片化是未来的发展趋势。激光雷达可分成一维（1D）激光雷达、二维（2D）扫描激光雷达和三维（3D）扫描激光雷达。1D激光雷达只能用于线性的测距；2D扫描激光雷达只能在平面上扫描，可用于平面面积与平面形状的测绘，如家庭用的扫地机器人；3D扫描激光雷达可进行3D空间扫描，用于户外建筑测绘，它是驾驶辅助和自助式自动驾驶应用的重要车载传感设备。3D激光雷达可进一步分成3D扇形扫描激光雷达和3D旋转式扫描激光雷达。在安全监控领域，激光雷达能有效识别入侵者并触发警报。
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可达70 米 @80% 反射率探测，适应室内外不同光照。近距离激光雷达价位
从 2D 升至 3D 感知，Mid - 360 提升移动机器人室内感知与运维效率。上海站台入侵激光雷达
第三组基于回波能量强度判断采样点是否为噪点。通常情况下，激光光束受到类似灰尘、雨雾、雪等干扰产生的噪点的回波能量很小。目前按照回波能量强度大小将噪点置信度分为二档：01 表示回波能量很弱：这类采样点有较高概率为噪点，例如灰尘点；10 表示回波能量中等，该类采样点有中等概率为噪点，例如雨雾噪点。噪点置信度越低，说明该点是噪点的可能性越低。第四组基于采样点的空间位置判断是否为噪点。例如：激光探测测距只在测量前后两个距离十分相近的物体时，两个物体之间可能会产生拉丝状的噪点。目前按照不同的噪点置信度分为三档，噪点置信度越低，说明该点是噪点的可能性越低。上海站台入侵激光雷达
