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。自动驾驶巴士借助激光雷达感知周边，安全接送乘客。黑龙江远距离激光雷达
半固态—MEMS式激光雷达，MEMS全称Micro-Electro-Mechanical System（微机电系统），是将原本激光雷达的机械结构通过微电子技术集成到硅基芯片上。本质上而言MEMS激光雷达并没有做到完全取消机械结构，所以它是一种半固态激光雷达。工作原理，MEMS在硅基芯片上集成了体积十分精巧的微振镜，其主要结构是尺寸很小的悬臂梁——通过控制微小的镜面平动和扭转往复运动，将激光管反射到不同的角度完成扫描，而激光发生器本身固定不动。其次，MEMS的振动角度有限导致视场角比较小（小于120度），同时受限于MEMS微振镜的镜面尺寸，传统MEMS技术的有效探测距离只有50米，FOV角度只能达到30度，多用于近距离补盲或者前向探测。360度激光雷达厂家从 2D 升至 3D 感知，Mid - 360 提升移动机器人室内感知与运维效率。
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
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。激光雷达在航空测量中提供了高精度的地理数据。
视场角与分辨率，激光雷达视场角分为水平视场角和垂直视场角，水平视场角即为在水平方向上可以观测的角度范围，旋转式激光雷达旋转一周为 360°，所以水平视场角为 360°。垂直视场角为在垂直方向上可以观测的角度，一般为 40°。而它并不是对称均匀分布的，因为我们主要是需要扫描路面上的障碍物，而不是把激光打向天空，为了良好的利用激光，因此激光光束会尽量向下偏置一定的角度。并且为了达到既检测到障碍物，同时把激光束集中到中间感兴趣的部分，来更好的检测车辆，激光雷达的光束不是垂直均匀分布的，而是中间密，两边疏。 可以看到激光雷达的有一定的偏置，向上的角度为 15°，向下的为 25°，并且激光光束中间密集，两边稀疏。农业植保依靠激光雷达辅助无人机，完成精确变量喷洒作业。黑龙江远距离激光雷达
轻巧易隐藏布置，览沃 Mid - 360 兼顾机器人美观与功能。黑龙江远距离激光雷达
工作原理，Flash原本的意思为快闪。而Flash激光雷达的原理也是快闪，不像MEMS或OPA的方案会去进行扫描，而是短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。因此，Flash固态激光雷达属于非扫描式雷达，发射面阵光，是以2维或3维图像为重点输出内容的激光雷达。某种意义上，它有些类似于黑夜中的照相机，光源由自己主动发出。Flash激光雷达的成像原理是发射大面积激光一次照亮整个场景，然后使用多个传感器接收检测和反射光。但较大的问题是，这种工作模式需要非常高的激光功率。黑龙江远距离激光雷达
