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°。物流分拣依靠激光雷达引导机械臂，快速准确分拣货物。北京三维激光雷达价位
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重庆轨旁入侵激光雷达轻巧身躯易嵌入，览沃 Mid - 360 为移动机器人外观一体化设计助力。
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。
从应用看，具备车规级量产实力的Tier1供货商有法雷奥（Scala）、镭神智能（CH32），Innovusion（Falcon）。2017年，奥迪A8为全球头一款量产的L3级别自动驾驶的乘用车，其搭载的激光雷达便是法雷奥和Ibeo联合研发的4线旋转扫描镜激光雷达。2020年，镭神智能自主研发的CH32面世，成为全球第二款获得车规级认证的转镜式激光雷达，目前已经规模化交付东风悦享量产前装车型生产。2022年，搭载Innovusion Falcon激光雷达的蔚来ET7上市，该款激光雷达为1550nm方案，等效300线数。从售价看，法雷奥Scala 2为900欧元（约6500元人民币），已经下降至车企可接受的价格范围。激光雷达的耐用性保证了其在恶劣环境下的长期稳定运行。
MEMS激光雷达模组，光学相控阵式(OPA)，相控阵发射器由若干发射接收单元组成阵列，通过改变加载在不同单元的电压，进而改变不同单元发射光波特性，实现对每个单元光波的单独控制，通过调节从每个相控单元辐射出的光波之间的相位关系，在设定方向上产生互相加强的干涉从而实现强度高光束，而其他方向上从各个单元射出的光波彼此相消。组成相控阵的各相控单元在程序的控制下可使一束或多束强度高光束按设计指向实现空域扫描。但光学相控阵的制造工艺难度较大，这是由于要求阵列单元尺寸必需不大于半个波长，普通目前激光雷达的任务波长均在1微米左右，这就意味着阵列单元的尺寸必需不大于500纳米。而且阵列数越多，阵列单元的尺寸越小，能量越往主瓣集中，这就对加工精度要求更高。此外，材料选择也是十分关键的要素。探测距离 70 米 @80% 反射率，览沃 Mid - 360 抗室外强光性能佳。上海地面激光雷达厂商
园区巡逻借助激光雷达协助车辆，自主巡查维护秩序。北京三维激光雷达价位
不同车载传感器的比较，目前，激光雷达、毫米波雷达和摄像头是公认的自动驾驶的三大关键传感器技术。从技术上看，激光雷达与其他两者相比具备强大的空间三维分辨能力。中国汽车工程学会、国汽智联汽车研究院编写的《中国智能网联汽车产业发展报告（2019）》称，当前在人工智能的重要应用场景智能网联汽车的自动驾驶和辅助驾驶领域中，激光雷达是实现环境感知的主要传感器之一。报告认为，在用于道路信息检测的传感器中，激光雷达在探测距离、精确性等方面，相比毫米波雷达具有一定的优势。北京三维激光雷达价位
