Con el avance de la inteligencia artificial, la tecnología de aprendizaje profundo se aplica en muchos campos. El sistema de coche autónomo es una de las áreas de aplicación más importantes de la inteligencia artificial. LiDAR (Detección y Rango de Luz) es uno de los componentes más críticos de los coches autónomos. LiDAR puede escanear rápidamente el entorno para obtener una gran cantidad de información de profundidad tridimensional de alta precisión. Los coches autónomos utilizan LiDAR para reconstruir el entorno tridimensional. El sistema de coche autónomo puede identificar diversas situaciones en las cercanías a través de la información proporcionada por LiDAR y elegir una ruta más segura. Este documento se basa en LiDAR Velodyne HDL-64 para decodificar paquetes de datos de LiDAR. El decodificador que diseñamos convierte la información del paquete de datos original en datos de nubes de puntos X, Y y Z para que el vehículo autónomo pueda utilizar la información decodificada para reconstruir el entorno tridimensional y realizar detección y clasificación de objetos. Para probar el rendimiento del decodificador de LiDAR propuesto, utilizamos los paquetes originales estándar utilizados para la comparación de datos experimentales, que se obtuvieron todos del mapa GMU (Universidad George Mason). El tiempo promedio de decodificación de un marco es de 7.678 milisegundos. En comparación con otros métodos, el decodificador de LiDAR propuesto tiene una mayor velocidad y eficiencia de decodificación.