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360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。深圳激光雷达设备
MEMS：MEMS激光雷达通过“振动”调整激光反射角度，实现扫描，激光发射器固定不动，但很考验接收器的能力，而且寿命同样是行业内的重大挑战。支撑振镜的悬臂梁角度有限，覆盖面很小，所以需要多个雷达进行共同拼接才能实现大视角覆盖，这就会在每个激光雷达扫描的边缘出现不均匀的畸变与重叠，不利于算法处理。另外，悬臂梁很细，机械寿命也有待进一步提升。振镜+转镜：在转镜的基础上加入振镜，转镜负责横向，振镜负责纵向，满足更宽泛的扫射角度，频率更高价格相比前两者更贵，但同样面临寿命问题。海南激光雷达正规工业生产里激光雷达检测产品缺陷，高效保证产品质量。
这里就来分享一下激光雷达在实际应用中的那些小细节~工作原理：激光雷达是基于时间飞行（TOF）工作原理；激光雷达发射激光脉冲，并测量此脉冲经被测目标表面反射后返回的时间，然后换算成距离数据发射光和接受光时间差为t，c为光速，则雷达与目标的距离为雷达通过一个反射镜对测距激光脉冲进行反射。当反射镜被电机带动旋转时，从而形成一个与旋转轴垂直的扫描平面。雷达定时发出脉冲光，同时电机带动发射镜旋转，这样就可以构成二维点云数据。
为了克服探测距离的限制，FLASH激光雷达的表示厂商Ibeo、LedderTech开始在激光收发模块进行创新。车规级激光雷达鼻祖Ibeo，则一步到位推出了单光子激光雷达，Ibeo称其为Focal Plane Array焦平面，实际也可归为FlASH激光雷达。2019年8月27日，长城汽车与德国激光雷达厂商Ibeo正式签署了激光雷达技术战略合作协议，三方合作的产品基础就是ibeonEXT Generic 4D Solid State LiDAR。从长远来看，FLASH激光雷达芯片化程度高，规模化量产后大概率能拉低成本，随着技术的发展，FLASH激光雷达有望成为主流的技术方案。览沃 Mid - 360 从 2D 到 3D 感知升级，提升移动机器人运维效率。
激光雷达（Lidar）光束范围很窄，所以需要更多的纵向光束，以覆盖大的面积，所以线束决定着画面大小，扫描再通过返回的时间测量距离，并精确、快速构建模型，相比目前的其他雷达强太多，所以更适合自动驾驶系统，但也同样易受天气影像，成本较高。转镜：转镜分为一维转镜和二维转镜。一维转镜通过旋转的多面体反射镜，将激光反射到不同的方向；二维转镜顾名思义内部集成了两个转镜，一个多边棱镜负责横向旋转，一个负责纵向翻转，实现一束激光包揽横纵双向扫描。转镜激光雷达体积小、成本低，与机械式激光雷达效果一致，但机械频率也很高，在寿命上不够理想。Mid - 360 水平 360°、垂直 59° 视场角，提供点云数据辅助决策。湖北激光雷达批发
激光雷达在环境监测中用于监测大气污染物的浓度。深圳激光雷达设备
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。深圳激光雷达设备
