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激光雷达的设计优化提高了其在复杂环境中的可靠性。河北机器人激光雷达
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。深圳测距激光雷达览沃 Mid - 360 凭借 360°x59° 超广 FOV，感知三维空间信息。
目前的激光雷达，不光只有光探测与测量，更是一种集激光、全球定位系统（GPS）和IMU（InertialMeasurementUnit，惯性测量装置）三种技术于一身的系统，用于获得数据并生成精确的DEM（数字高程模型）。这三种技术的结合，可以高度准确地定位激光束打在物体上的光斑，测距精度可达厘米级，激光雷达较大的优势就是"精确"和"快速、高效作业"。随着激光雷达技术的进步与发展，星载激光雷达的研制和应用在20世纪90年代逐步成熟。2003年，NASA根据早先提出的采用星载激光雷达测量两极地区冰面变化的计划，正式将地学激光测高仪列入地球观测系统中，并将其搭载在冰体、云量和陆地高度监测卫星上发射升空运行。
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。探测距离可为 10cm，览沃 Mid - 360 小盲区优势实现精确感知。
早在上个世纪60年代，当人类制造出激光器后，科学家们根据激光的特性，较早提出的应用就是测距。在1967年7月，美国人进行了头一次载人登月飞行，就在月球上安装了一个发射装置用于测算地球和月球的距离。随后，正值冷战时期的人们，将激光应用在了制弹上。飞机发射激光照射目标，同时投掷激光制弹对准目标飞行，用激光随时修正自己的飞行路线，精确度非常高。20世纪70年代末，美国国家航空航天局（NASA）成功研制出一种具有扫描和高速数据记录能力的机载海洋激光雷达。用在大西洋和切萨皮克湾进行了水深的测定，并且绘制出水深小于10m的海底地貌。此后，机载激光雷达系统蕴含的巨大应用潜力开始受到关注，并很快被应用到陆地地形勘测研究当中。Mid - 360 水平 360°、垂直 59° 视场角，提供点云数据辅助决策。重庆国产激光雷达
360°x59° 超广 FOV，Mid - 360 助力移动机器人感知复杂 3D 环境。河北机器人激光雷达
反射强度，LiDAR 返回的每个数据中，除了根据速度和时间计算出的反射强度其实是指激光点回波功率和发射功率的比值。而激光的反射强度根据现有的光学模型，可以较好的刻画为以下模型。我们可以看到，激光点的反射率和距离的平方成反比，和物体的入射角成反比。入射角是入射光线与物体表面法线的夹角。时间戳和编码信息，LiDAR 通常从硬件层面支持授时，即有硬件 trigger 触发 LiDAR 数据，并支持给这一帧数据打上时间戳。通常会提供支持三种时间同步接口，IEEE 15882008同步，遵循精确时间协议，通过以太网对测量以及系统控制实现精确的时钟同步。河北机器人激光雷达
