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。Mid - 360 作为新选择，让移动机器人在更多场景精确感知环境。泰览Tele-15激光雷达设备
1951年，美国物理学家Purcel(珀赛尔)在用微波波谱学的方法制定核磁矩的同时，意外地观察到了50HZ的受激辐射，并把粒子数反转称为“负温1度”状态，这使人们对玻尔兹曼分布有了更全方面也更深刻的认识。同年，美国物理学家(Townes)汤斯提出了受激辐射微波放大的设想。1954年，汤斯和她的两个学生戈登、曹格尔一起研制成功了波长为1.25cm的氨分子振荡器,并把它称为受激辐射微波放大器，按其字母缩写为MASER，简称脉泽。时间来到1958年，汤斯与肖洛联名在《物理评论》上发表了论文《红外与光激射器》，这标志着激光作为一种新事物登上了历史舞台。1960年，梅安研制的红宝石激光器发出了694.3nm红价激光，这是世界上公认的头一台激光器。上海觅道Mid-360激光雷达价位Mid - 360 轻巧易嵌入，为移动机器人外观设计带来更多创意空间。
当三维点较为稠密的时候，可以像视觉一样提取特征点和其周围的描述子，主要通过选择几何属性（如法线和曲率）比较有区分度的点，在计算其局部邻域的几何属性的统计得到关键点的描述子，而当处理目前市面上的激光雷达得到的单帧点云数据时，由于点云较为稀疏，主要依靠每个激光器在扫描时得到的环线根据曲率得到特征点。而有了两帧点云的数据根据配准得到了相对位姿变换关系后，我们便可以利用激光雷达传感器获得的数据来估计载体物体的位姿随时间的变化而改变的关系。比如我们可以利用当前帧和上一帧数据进行匹配，或者当前帧和累计堆叠出来的子地图进行匹配，得到位姿变换关系，从而实现里程计的作用。
激光雷达按照测距方法可以分为飞行时间（TimeofFlight，ToF）测距法、基于相干探测FMCW测距法、以及三角测距法等，其中ToF与FMCW能够实现室外阳光下较远的测程（100～250m），是车载激光雷达的好选择方案。ToF是目前市场车载中长距激光雷达的主流方案，未来随着FMCW激光雷达整机和上游产业链的成熟，ToF和FMCW激光雷达将在市场上并存。根据激光雷达按测距方法分类：ToF法：通过直接测量发射激光与回波信号的时间差，基于光在空气中的传播速度得到目标物的距离信息，具有响应速度快、探测精度高的优势。FMCW法：将发射激光的光频进行线性调制，通过回波信号与参考光进行相干拍频得到频率差，从而间接获得飞行时间反推目标物距离。FMCW激光雷达具有可直接测量速度信息以及抗干扰（包括环境光和其他激光雷达）的优势。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。
LiDAR 系统的工作原理及解决方案，本质上讲，LiDAR 是一个测量目标物体距离的装置。通过发射一个短的激光脉冲，并记录发射光脉冲与探测到的反射（反向散射）光脉冲的时间间隔，就可以推算出距离信息。系统的工作原理及解决方案，LiDAR系统可以使用扫描反射镜，多束激光或其它的方式“扫描”物体空间。借助其精确的测距能力，LiDAR 能够用于解决许多不同的问题。在遥感应用中，LiDAR系统用于测量散射，吸收，或大气中的颗粒或原子的再发射。在这些应用中，对激光束的波长可能会有专门的要求。可以用来测量特定分子种类在大气中的浓度，例如甲烷和气溶胶含量。而测量大气中的雨滴则可以用来估计风暴距离和降水概率。激光雷达用于林业监测树木参数，为森林资源评估提供助力。国产激光雷达制造商
激光雷达的分辨率高，能够捕捉到细微的目标特征。泰览Tele-15激光雷达设备
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泰览Tele-15激光雷达设备
