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。激光雷达在安防领域实现了对入侵者的快速识别和追踪。江苏livox激光雷达
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。国产激光雷达市场价格激光雷达在野生动物保护中用于监测动物的活动范围和习性。
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
激光雷达是自动驾驶领域非常依赖的传感器，越来越多的自动驾驶公司看好激光雷达的应用前景。激光雷达具有较高的分辨率，可以记录周围环境的三维信息，激光雷达是主动发射型设备，对光照的变化不敏感，在有光照变化和夜晚等场景基本不会受到影响。此外激光雷达能够提供水平360度的视野范围，保证整个自动驾驶车基本上没有视野盲区。但是激光雷达惧怕雾霾天气，因为雾霾颗粒的大小非常接近激光的波长，激光照射到雾霾颗粒上会产生干扰，导致效果下降。随着技术的进步，以及成本的下降，激光雷达会普及到更多领域。从 2D 升至 3D 感知，览沃 Mid - 360 提升移动机器人室内建图定位效率。
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。览沃 Mid - 360 体积小巧，可为 10cm 小盲区，嵌入式安装实现无盲区覆盖。近距离激光雷达现货直发
激光雷达在航空测量中提供了高精度的地理数据。江苏livox激光雷达
楔形棱镜旋转雷达，收发模块的PLD（PulsedLaserDiode）发射出激光，通过反射镜和凸透镜变成平行光，扫描模块的两个旋转的棱镜改变光路，使激光从某个角度发射出去。激光打到物体上，反射后从原光路回来，被APD接收。与MEMSLidar相比，它可以做到很大的通光孔径，距离也会测得较远。与机械旋转Lidar相比，它极大地减少了激光发射和接收的线数，降低了对焦与标定的复杂度，大幅提升生产效率，降低成本。优点：非重复扫描，解决了机械式激光雷达的线式扫描导致漏检物体的问题；可实现随着扫描时间增加，达到近100％的视场覆盖率；没有电子元器件的旋转磨损，可靠性更高，符合车规。缺点：单个雷达的FOV较小，视场覆盖率取决于积分时间；独特的扫描方式使其点云的分布不同于传统机械旋转Lidar，需要算法适配。江苏livox激光雷达
