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。激光雷达在森林监测中用于评估森林资源和健康状况。江苏觅道Mid-360激光雷达制造
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甘肃港口激光雷达隧道施工借助激光雷达监测变形，保障工程施工安全。
20世纪90年代后期，全球定位系统及惯性导航系统的发展使得激光扫描过程中的精确即时定位定姿成为可能。1990年德国Stuttgart大学Ackermann教授领衔研制的世界上头一个激光断面测量系统，这一系统成功将激光扫描技术与即时定位定姿系统结合，形成机载激光扫描仪。1993年，德国出现初个商用机载激光雷达系统TopScanALTM1020。1995年，机载激光雷达设备实现商业化生产。此后，机载激光雷达技术成为了森林资源调查的重要补充手段。普遍应用于快速获取大范围森林结构信息，如树木定位、树高计算、树冠体积估测等，同时还为森林生态研究、森林经营管理提供垂直结构分层、碳储量、枯枝落叶易燃物数量等参数估算信息。
自动驾驶汽车中的汽车传感器使用摄像头数据、雷达和LiDAR来检测周围的物体，自动驾驶汽车使用LiDAR传感器探测周围建筑和车辆，开发LiDAR 系统所需要的软件工具，软件在LiDAR系统的创建和运行中的各个环节都非常关键。系统工程师需要辐射模型来预测回波信号的信噪比。电子工程师需要电子模型来建立电气设计。机械工程师需要CAD工具来完成系统布局。还可能会需要结构和热建模软件。LiDAR系统的运行需要控制软件和将点云转换并重建为三维模型的软件。而LiDAR是利用光作为探测媒介来感知周围的系统，因此光学工程师运用光学软件设计可靠稳定的光学系统是关键。览沃 Mid - 360 探测距离可为 10cm，小盲区配合小巧体积，轻松实现无盲区覆盖。
现代雷达的波长一般是到米级别，例如火控雷达的波长是1-5厘米，汽车雷达的波长是1-10毫米。当波长进一步压缩（频率进一步提高），在红外线、可见光、紫外线区域即可激发出激光，用激光做探测源的雷达，称为激光雷达。1928年，德国的Landenburg(兰登伯格)在研究氛气色散现象实验间接证实了受激辐射的存在，也直接给出了受激辐射的发生条件是粒子数反转。1947年，Lamb(兰姆)和Reherford(雷瑟福)在氧原子光谱中发现了明显的受激辐射这是受激辐射头一次被实验验证，兰姆也因此在1955年获得了诺贝尔物理学奖。1950年，法国物理学家Kastler(卡斯特勒)提出了光学泵浦的方法。他也因为提出了这种利用光学于段研究微波谐振的方法而获诺贝尔奖。激光雷达的扫描速度快，提高了数据处理效率。江苏觅道Mid-360激光雷达制造
10cm 小盲区，Mid - 360 配合小巧体积，实现移动机器人无死角感知。江苏觅道Mid-360激光雷达制造
优劣势分析，优势：首先，该设计减少了激光发射和接收的线数以实现一帧之内更高的线数，也随之降低了对焦与标定的复杂度，因此生产效率得以大幅提升，并且相比于传统机械式激光雷达，棱镜式的成本有了大幅的下降。其次，只要扫描时间够久，就能得到精度极高的点云以及环境建模，分辨率几乎没有上限，且可达到近100％的视场覆盖率。劣势：棱镜式激光雷达FOV相对较小，且视场中心的扫描点非常密集，雷达的视场边缘扫描点比较稀疏，在雷达启动的短时间内会有分辨率过低的问题。对于高速移动的汽车来说，显然不存在长时间扫描的情况，不过可以通过增加激光线束和功率实现更高的精度和更远的探测距离，但机械结构也相对更加复杂，体积让前两者更难以控制，存在轴承或衬套的磨损等风险。江苏觅道Mid-360激光雷达制造
