激光雷达能够准确输出障碍物的大小和距离，通过算法对点云数据的处理可以输出障碍物的3D框，如：3D行人检测、3D车辆检测等；亦可进行车道线检测、场景分割等任务。除了障碍物感知，激光雷达还可以用来制作高精度地图。地图采集过程中，激光雷达每隔一小段时间输出一帧点云数据，这些点云数据包含环境的准确三维信息，通过把这些点云数据做拼接，就可以得到该区域的高精度地图。在定位方面，智能车在行驶过程中利用当前激光雷达采集的点云数据帧和高精度地图做匹配，可以获取智能车的位置。激光雷达通过多角度扫描，获取目标的完整信息。北京障碍物入侵监测激光雷达
视场角与分辨率，激光雷达视场角分为水平视场角和垂直视场角，水平视场角即为在水平方向上可以观测的角度范围，旋转式激光雷达旋转一周为 360°，所以水平视场角为 360°。垂直视场角为在垂直方向上可以观测的角度，一般为 40°。而它并不是对称均匀分布的，因为我们主要是需要扫描路面上的障碍物，而不是把激光打向天空，为了良好的利用激光，因此激光光束会尽量向下偏置一定的角度。并且为了达到既检测到障碍物，同时把激光束集中到中间感兴趣的部分，来更好的检测车辆，激光雷达的光束不是垂直均匀分布的，而是中间密，两边疏。 可以看到激光雷达的有一定的偏置，向上的角度为 15°，向下的为 25°，并且激光光束中间密集，两边稀疏。吉林固态激光雷达激光雷达的功耗低，延长了设备的使用寿命。
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。
激光雷达，也称光学雷达（LIght Detection And Ranging）是激光探测与测距系统的简称，它通过测定传感器发射器与目标物体之间的传播距离，分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位等信息，从而呈现出目标物精确的三维结构信息。自上世纪60年代激光被发明不久，激光雷达就大规模发展起来。而测距原理上目前主要以飞行时间（time of flight）法为主，利用发射器发射的脉冲信号和接收器接受到的反射脉冲信号的时间间隔来计算和目标物体的距离。具备出色抗强光能力，览沃 Mid - 360 室内外环境切换性能无缝衔接。
紧接着，一个激光雷达如果能在同一个空间内，按照设定好的角度发射多条激光，就能得到多条基于障碍物的反射信号。再配合时间范围、激光的扫描角度、GPS 位置和 INS 信息，经过数据处理后，这些信息配合x，y，z坐标，就会成为具有距离信息、空间位置信息等的三维立体信号，再基于软件算法组合起来，系统就可以得到线、面、体等各种相关参数，以此建立三维点云图，绘制出环境地图，就能变成汽车的“眼睛”。激光雷达是由激光发射单元和激光接收单元组成，发射单元的工作方式是向外发射激光束层，层数越多，精度也越高(如下图所示)，不过这也意味着传感器尺寸越大。发射单元将激光发射出去后，当激光遇到障碍物会反射，从而被接收器接收，接收器根据每束激光发射和返回的时间，创建一组点云，高质量的激光雷达，每秒较多可以发出200多束激光。激光雷达的设计优化提高了其在复杂环境中的可靠性。深圳地面激光雷达设备
Mid - 360 以 360°x59° 超广 FOV，增强移动机器人复杂环境感知力。北京障碍物入侵监测激光雷达
给定两个来自不同坐标系的三维数据点集，找到两个点集空间的变换关系，使得两个点集能统一到同一坐标系统中，这个过程便称为配准。配准的目标是在全局坐标框架中找到单独获取的视图的相对位置和方向，使得它们之间的相交区域完全重叠。对于从不同视图（views）获取的每一组点云数据，点云数据很有可能是完全不相同的，需要一个能够将它们对齐在一起的单一点云模型，从而可以应用后续处理步骤，如分割和进行模型重建。目前对配准过程较常见的主要是 ICP 及其变种算法，NDT 算法，和基于特征提取的匹配。北京障碍物入侵监测激光雷达
