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。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。自动驾驶激光雷达
调频连续波FMCW激光雷达，以三角波调频连续波为例来介绍其测距/测速原理。蓝色为发射信号频率，红色为接收信号频率，发射的激光束被反复调制，信号频率不断变化。激光束击中障碍物被反射，反射会影响光的频率，当反射光返回到检测器，与发射时的频率相比，就能测量两种频率之间的差值，与距离成比例，从而计算出物体的位置信息。FMCW的反射光频率会根据前方移动物体的速度而改变，结合多普勒效应，即可计算出目标的速度。优点：每个像素都有多普勒信息，含速度信息；解决Lidar间串扰问题；不受环境光影响，探测灵敏度高；缺点：不能探测切向运动目标。自动驾驶激光雷达城市规划凭借激光雷达获取空间数据，辅助科学规划。
反射率，反射率是指物体反射的辐射能量占总辐射能量的百分比，比如说某物体的反射率是20%，表示物体接收的激光辐射中有20%被反射出去了。不同物体的反射率不同，这主要取决于物体本身的性质（表面状况），如果反射率太低，那么激光雷达收不到反射回来的激光，导致检测不到障碍物。激光雷达一般要求物体表面的反射率在10%以上，用激光雷达采集高精度地图的时候，如果车道线的反射率太低，生成的高精度地图的车道线会不太清晰。扫描帧频，激光雷达点云数据更新的频率。对于混合固态激光雷达来说，也就是旋转镜每秒钟旋转的圈数，单位Hz。例如，10Hz即旋转镜每秒转10圈，同一方位的数据点更新10次。
新思科技提供的多个光学和光子学工具，可用于支持LiDAR的系统级和元件级设计：CODE V 光学设计软件，用于在LiDAR系统中设计光学接收系统。光学设计应用：在 LiDAR系统中优化接收器上的圈入能量。使用CODE V优化LiDAR中的接收光学系统，LightTools 照明设计软件能模拟雨滴、雾霾等大气环境对光信号探测造成的影响，并能获取返回光程数据以解决飞行时间计算问题。用于 LiDAR 和激光光源的功能。使用LightTools模拟LiDAR光学系统，Photonic Solutions光子方案模拟工具，能够对LiDAR系统中的多个组件进行优化设计。激光雷达在机器人避障中发挥了关键作用。
国内市场，中国是激光雷达未来的较大市场之一。根据麦肯锡的预测，中国将是全球较大的自动驾驶市场，也是高级辅助驾驶领域全球较大的新车销售市场。由于人口老龄化和产业升级的影响，需要在减少人力支出的情况下增加生产效率，通过无人驾驶、高级辅助驾驶、服务型机器人通过机器自动化工作来减少人力支出。在2022年中国激光雷达市场规模约为26.4亿元。根据预测，2023年中国激光雷达市场规模将达75.9亿元，2024年将达到139.6亿元。2022年全球靠前的激光雷达公司中，2家车载激光雷达公司都来自中国，分别是禾赛科技和速腾聚创。在政策端，国家近年来不断推出新的政策以支持激光雷达企业的成长与发展。激光雷达在农业领域用于监测作物生长情况。自动驾驶激光雷达
激光雷达在智能交通信号灯控制中实现了车辆流量的精确感知。自动驾驶激光雷达
我们可以根据 LiDAR 能描绘出稀疏的三维世界的特点，而扫描得到的障碍物点云通常又比背景更密集，通过分类聚类的方法可以利用其进行感知障碍物。而随着深度学习带来的检测和分割技术上的突破，LiDAR 已经能做到高效的检测行人和车辆，输出检测框，即 3D bounding box，或者对点云中的每一个点输出 label，更有甚者在尝试使用 LiDAR 检测地面上的车道线。在三维目标识别的对象方面，较初研究主要针对立方体、柱体、锥体以及二次曲面等简单形体构成的三维目标。自动驾驶激光雷达
