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。激光雷达在机器人避障中发挥了关键作用。广东车载激光雷达价位
如今，LiDAR经常用于创建所处空间的三维模型。自主导航是使用LiDAR系统生成的点云数据的应用之一。微型LiDAR系统甚至能够嵌入在手机大小的设备中。LiDAR 在现实世界中如何发挥作用，自主导航中的态势感知是LiDAR的一个较引人入胜的应用。任何移动车辆的态势感知系统都需要同样了解其周围的静止和移动物体。例如，雷达技术长期以来用于探测飞机。对于地面车辆，已经发现LiDAR非常有用，因为它能够确定物体的距离并且在方向性上非常精确。探测光束能够在角度上精确定向并快速扫描，据此创建三维模型点云数据。因为车辆周围的情况是高度动态的，所以快速扫描能力对这类应用至关重要。天津汽车激光雷达价位览沃 Mid - 360 水平视场角达 360°，垂直视场角 59°。
多传感器融合，在环境监测传感器中，超声波雷达主要用于倒车雷达以及自动泊车中的近距离障碍监测，摄像头、毫米波雷达和激光雷达则普遍应用于各项 ADAS 功能中。四类传感器的探测距离、分辨率、角分辨率等探测参数各异，对应于物体探测能力、识别分类能力、三维建模、抗恶劣天气等特性优劣势分明。各种传感器能形成良好的优势互补，融合传感器的方案已成为主流的选择。激光雷达LiDAR的全称为Light Detection and Ranging激光探测和测距，又称光学雷达。
参数指标：（一）视场角，视场角决定了激光雷达能够看到的视野范围，分为水平视场角和垂直视场角，视场角越大，表示视野范围越大，反之则表示视野范围越小。以图3中的激光雷达为例，旋转式激光雷达的水平视场角为360°，垂直视场角为26.9°，固态激光雷达的水平视场角为60°，垂直视场角为20°。（二）线数，线数越高，表示单位时间内采样的点就越多，分辨率也就越高，目前无人驾驶车一般采用32线或64线的激光雷达。（三）分辨率，分辨率和激光光束之间的夹角有关，夹角越小，分辨率越高。固态激光雷达的垂直分辨率和水平分辨率大概相当，约为0.1°，旋转式激光雷达的水平角分辨率为0.08°，垂直角分辨率约为0.4°。全新 Mid - 360，为移动机器人导航避障等带来全新感知方案。
光学相控阵激光雷达（OPA），很多特殊的Lidar使用OPA（OpticalPhasedArray）光学相控阵技术。OPA运用相干原理，采用多个光源组成阵列，通过调节发射阵列中每个发射单元的相位差，来控制输出的激光束的方向。OPA激光雷达完全是由电信号控制扫描方向，能够动态地调节扫描角度范围，对目标区域进行全局扫描或者某一区域的局部精细化扫描，一个激光雷达就可能覆盖近/中/远距离的目标探测。优点：纯固态Lidar，体积小，易于车规；扫描速度快（一般可达到MHz量级以上）；精度高（可以做到μrad量级以上）；可控性好（可以在感兴趣的目标区域进行高密度扫描），缺点：易形成旁瓣，影响光束作用距离和角分辨率，使激光能量被分散；加工难度高：光学相控阵要求阵列单元尺寸必须不大于半个波长；探测距离很难做到很远。Mid - 360 独特混合固态技术，造就 360° 全向超大视场角优势。上海四探头激光雷达哪家好
激光雷达的远程测量能力使其适用于大型工程监测。广东车载激光雷达价位
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广东车载激光雷达价位
