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。激光雷达能够快速捕获运动目标的动态信息。深圳国产激光雷达行价
激光雷达是自动驾驶领域非常依赖的传感器，越来越多的自动驾驶公司看好激光雷达的应用前景。激光雷达具有较高的分辨率，可以记录周围环境的三维信息，激光雷达是主动发射型设备，对光照的变化不敏感，在有光照变化和夜晚等场景基本不会受到影响。此外激光雷达能够提供水平360度的视野范围，保证整个自动驾驶车基本上没有视野盲区。但是激光雷达惧怕雾霾天气，因为雾霾颗粒的大小非常接近激光的波长，激光照射到雾霾颗粒上会产生干扰，导致效果下降。随着技术的进步，以及成本的下降，激光雷达会普及到更多领域。毫米波激光雷达行价激光雷达的轻便设计使其便于携带和操作。
要知道光速是每秒30万公里。要区分目标厘米级别的精确距离，那对传输时间测量分辨率必须做到1纳秒。要如此精确的测量时间，因此对应的测量系统的成本就很难降到很低，需要使用巧妙的方法降低测量难度。首先，我们需要明确，激光雷达并不是单独运作的，一般是由激光发射器、接收器和惯性定位导航三个主要模块组成。当激光雷达工作的时候，会对外发射激光，在遇到物体后，激光折射回来被CMOS传感器接收，从而测得本体到障碍物的距离。从原理来看，只要需要知道光速、和从发射到CMOS感知的时间就可以测出障碍物的距离，再结合实时GPS、惯性导航信息与计算激光雷达发射出去角度，系统就可以得到前方物体的坐标方位和距离信息。
测远能力: 一般指激光雷达对于10%低反射率目标物的较远探测距离。较近测量距离：激光雷达能够输出可靠探测数据的较近距离。测距盲区：从激光雷达外罩到较近测量距离之间的范围,这段距离内激光雷达无法获取有效的测量信号,无法对目标物信息进行反馈。角度盲区：激光雷达视场角范围没有覆盖的区域,系统无法获取这些区域内的目标物信息。角度分辨率：激光雷达相邻两个探测点之间的角度间隔,分为水平角度分辨率与垂直角度分辨率。相邻探测点之间角度间隔越小,对目标物的细节分辨能力越强。轻巧的 Mid - 360 便于隐藏式布置，契合移动机器人设计需求。
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。激光雷达在智能机器人导航中发挥着至关重要的作用。机械式激光雷达厂家
激光雷达通过多角度扫描，获取目标的完整信息。深圳国产激光雷达行价
当前所面临的挑战在于如何区分来自周边其他LiDAR设备的信号，而各种信号调制和隔离方法也正在积极研发中。LiDAR系统的成本和维护——这类系统相比一些替代技术所使用的传感器类型更加昂贵，当然持续不断的开发工作也在积极进行，为满足其大规模使用的需要而开发生产成本更低的系统。抑制非目标对象的回波——类似于抑制之前提到的大气虚假信号。但是这也可能会出现在空气质量良好的情况下。应对这一挑战通常涉及在不同的目标距离处，以及在LiDAR接收器的视场范围之内使光束尺寸尽可能更小。深圳国产激光雷达行价
