NDT 算法的基本思想是先根據參考數據（reference scan）來構建多維變量的正態分布，如果變換參數能使得兩幅激光數據匹配的很好，那么變換點在參考系中的概率密度將會很大。然后利用優化的方法求出使得概率密度之和較大的變換參數，此時兩幅激光點云數據將匹配的較好。由此得到位資變換關系。局部特征提取通常包括關鍵點檢測和局部特征描述兩個步驟，其構成了三維模型重建與目標識別的基礎和關鍵。在二維圖像領域，基于局部特征的算法已在過去十多年間取得了大量成果并在圖像檢索、目標識別、全景拼接、無人系統導航、圖像數據挖掘等領域得到了成功應用。類似的，點云局部特征提取在近年來亦取得了部分進展激光雷達的實時數據反饋為決策者提供了有力支持。非重復掃描激光雷達代理商

應用層面，目前暫無車規級量產案例，OPA方案的表示企業為Quanergy。2021年8月，Quanergy對其OPA固達態激光雷達S3系列完成駕駛實測演示。測試結果顯示，S3系列固態激光雷達可以提供超過10萬小時的平均無故障時間（MTBF），在全光照下實現100米的探測性能，大規模量產后的目標價格為500美元。由于結構簡單，Flash閃光激光雷達是目前純固態激光雷達較主流的技術方案。但是由于短時間內發射大面積的激光，因此在探測精度和探測距離上會受到較大的影響，主要用于較低速的無人駕駛車輛，例如無人外賣車、無人物流車等，對探測距離要求較低的自動駕駛解決方案中。陜西激光雷達供應覽沃 Mid - 360 從 2D 到 3D 感知升級，提升移動機器人運維效率。

激光雷達能夠準確輸出障礙物的大小和距離，通過算法對點云數據的處理可以輸出障礙物的3D框，如：3D行人檢測、3D車輛檢測等；亦可進行車道線檢測、場景分割等任務。除了障礙物感知，激光雷達還可以用來制作高精度地圖。地圖采集過程中，激光雷達每隔一小段時間輸出一幀點云數據，這些點云數據包含環境的準確三維信息，通過把這些點云數據做拼接，就可以得到該區域的高精度地圖。在定位方面，智能車在行駛過程中利用當前激光雷達采集的點云數據幀和高精度地圖做匹配，可以獲取智能車的位置。

激光雷達的FOV，FOV指激光雷達能夠探測到的視場范圍，可以從垂直和水平兩個維度以角度來衡量范圍大小，下圖比較形象的展示了激光雷達FOV范圍，之所以要提到FOV是因為后面不同的技術路線基本都是為了能夠實現對FOV區域內探測。垂直FOV：常見的車載激光雷達通常在25°，形狀呈扇形；水平FOV：常見的機械式激光雷達可以達到360°范圍，通常布置于車頂；常見的車載半固態激光雷達通?？梢赃_到120°范圍，形狀呈扇形，可布置于車身或車頂。Mid - 360 以 360°x59° 超廣 FOV，增強移動機器人復雜環境感知力。

LiDAR的結構。激光雷達主要包括激光發射、接收、掃描器、透鏡天線和信號處理電路組成。激光發射部分主要有兩種，一種是激光二極管，通常有硅和砷化鎵兩種基底材料，再有一種就是目前非?；馃岬拇怪鼻幻姘l射（VCSEL）（比如 iPhone 上的 LiDAR），VCSEL 的優點是價格低廉，體積極小，功耗極低，缺點是有效距離比較短，需要多級放大才能達到車用的有效距離。激光雷達主要應用了激光測距的原理，而如何制造合適的結構使得傳感器能向多個方向發射激光束，如何測量激光往返的時間，這便區分出了不同的激光雷達的結構。激光雷達的高精度三維成像為地質勘探提供了有力支持。河南三維激光雷達

激光雷達的抗干擾能力強，保證了數據的準確性。非重復掃描激光雷達代理商

激光雷達的分類，激光雷達行業具有較高的技術水準與技術壁壘，并同時具有技術創新能力強與產品迭代速度快的特征。其技術發展方向與半導體行業契合度高，激光雷達系統中主要的激光器、探測器、控制及處理單元均能從半導體行業的發展中受益，收發單元陣列化以及主要模塊芯片化是未來的發展趨勢。激光雷達可分成一維（1D）激光雷達、二維（2D）掃描激光雷達和三維（3D）掃描激光雷達。1D激光雷達只能用于線性的測距；2D掃描激光雷達只能在平面上掃描，可用于平面面積與平面形狀的測繪，如家庭用的掃地機器人；3D掃描激光雷達可進行3D空間掃描，用于戶外建筑測繪，它是駕駛輔助和自助式自動駕駛應用的重要車載傳感設備。3D激光雷達可進一步分成3D扇形掃描激光雷達和3D旋轉式掃描激光雷達。非重復掃描激光雷達代理商