这类形体对现实世界的表达能力有限，绝大部分目标难以用这些形体或其组合来近似。后续研究主要集中于三维自由形态目标的识别，所谓自由形态目标，即表面除了顶点、边缘以及尖拐处之外处处都有良好定义的连续法向量的目标（如飞行器、汽车、轮船、建筑物、雕塑、地表等）。由于现实世界中的大部分物体均可认为是自由形态目标，因此三维自由形态目标识别算法的研究较大程度上扩展了识别系统的适用范围。在过去二十余年间，三维目标识别任务针对的数据量不断增加，识别难度不断上升，而识别率亦不断提高。消防救援依靠激光雷达在浓烟中定位，引导灭火救援。江西雷达点云激光雷达
在实际应用中，很多时候并不知道点云之间的邻接关系。针对此，研究人员开发了较小张树算法和连接图算法以实现邻接关系的计算。总体而言，三维模型重建算法的发展趋势是自动化程度越来越高，所需人工干预越来越少，且应用面越来越广。然而，现有算法依然存在运算复杂度较高、只能针对单个物体、且对背景干扰敏感等问题。研究具有较低运算复杂度且不依赖于先验知识的全自动三维模型重建算法，是目前的主要难点。然而，如何在包含遮挡、背景干扰、噪声、逸出点以及数据分辨率变化等的复杂场景中实现对感兴趣目标的检测识别与分割，仍然是一个富有挑战性的问题。站台入侵激光雷达批发激光雷达的高稳定性使其在太空探测任务中备受青睐。
从自动驾驶技术发展来看，L0-L2阶段，传感器与控制系统的革新是主要变化；L3-L4阶段，感知与决策能力的增强是主要变化。L2、L3及L4级别的智能驾驶所需激光雷达台数分别为0台、1台和5台，激光雷达称为推动智能驾驶发展的重要因素。就国内市场而言，中国拥有世界较大的高级辅助驾驶和无人驾驶市场，成长空间也较为广阔。2020年11月发布的《智能网联汽车技术路线图（2.0版）》明确指出到2030年我国L2和L3级渗透率要超过70%。但激光雷达的技术路线仍然有其他的选项尚未成熟，市场目前依然处于群雄逐鹿的状态。伴随着在汽车行业的不断渗透与工业自动化的发展，激光雷达的投资机会可不断给到我们想象空间。
1951年，美国物理学家Purcel(珀赛尔)在用微波波谱学的方法制定核磁矩的同时，意外地观察到了50HZ的受激辐射，并把粒子数反转称为“负温1度”状态，这使人们对玻尔兹曼分布有了更全方面也更深刻的认识。同年，美国物理学家(Townes)汤斯提出了受激辐射微波放大的设想。1954年，汤斯和她的两个学生戈登、曹格尔一起研制成功了波长为1.25cm的氨分子振荡器,并把它称为受激辐射微波放大器，按其字母缩写为MASER，简称脉泽。时间来到1958年，汤斯与肖洛联名在《物理评论》上发表了论文《红外与光激射器》，这标志着激光作为一种新事物登上了历史舞台。1960年，梅安研制的红宝石激光器发出了694.3nm红价激光，这是世界上公认的头一台激光器。览沃 Mid - 360 带来全新感知方案，助力移动机器人功能升级。
Flash激光雷达，Flash激光雷达采用类似Camera的工作模式，但感光元件与普通相机不同，每个像素点可记录光子飞行时间。由于物体具有三维空间属性，照射到物体不同部位的光具有不同的飞行时间，被焦平面探测器阵列探测，输出为具有深度信息的“三维”图像。根据激光光源的不同，Flash激光雷达可以分为脉冲式和连续式，脉冲式可实现远距离探测（100米以上），连续式主要用于近距离探测（数十米）。Flash激光雷达的优势在于能够快速记录整个场景，避免了扫描过程中目标或Lidar自身运动带来的误差。其缺点是探测距离近。激光雷达的智能化校准功能减少了人工干预的需要。北京览沃激光雷达厂商
激光雷达在医疗领域被用于人体三维扫描和诊断。江西雷达点云激光雷达
LiDAR还能够用于确定测量目标的速度。这可以通过多普勒方法或快速连续测距来实现。例如，可以使用LiDAR系统测量风速和车速。另外，LiDAR系统能够用于建立动态场景的三维模型，这是自动驾驶中会遇到的情形。这可以通过多种方式来实现，通常使用的是扫描的方式。LiDAR 技术中的挑战，在可实现的LiDAR系统中存在一些众所周知的挑战。这些挑战根据LiDAR系统的类型有所不同。以下是一些示例：隔离和抑制发射光束的信号——探测光束的辐射亮度通常远大于回波光束。必须注意确保探测光束不会被系统自身反射或散射回接收器，否则探测器将会因为饱和而无法探测外部目标。江西雷达点云激光雷达
