2. 激光雷达基础

激光雷达（LiDAR）是无人机SLAM系统中获取三维环境几何信息的关键传感器。理解其测距原理、调制方式、点云数据组织以及坐标系与标定基础，是后续进行点云配准、特征提取和位姿估计的前提。本节从物理层到数据层逐层展开，帮助建立完整的激光雷达认知框架。

一、激光测距的基本原理

激光雷达的核心任务是测量传感器到目标点的距离。最基础的测距方式分为两类：脉冲飞行时间法（Pulse TOF）和调频连续波法（FMCW）。无论哪种方式，最终都通过“时间”或“频率”信息反推距离。

脉冲TOF的工作过程非常直观：激光器发射一个极短的光脉冲，光子在空间中传播，遇到目标后部分能量被反射回接收器。记录发射时刻 t₀ 与接收时刻 t₁，则距离为：

d = c × (t₁ - t₀) / 2
其中 c ≈ 3×10⁸ m/s，除以2是因为光走了往返双程。

这种方式实现简单、测距范围大，是机械旋转式激光雷达和多数无人机载激光雷达的主流方案。但其精度受计时电路分辨率限制，典型时间分辨率约100 ps，对应约1.5 cm的距离误差。

二、TOF与FMCW的对比

FMCW（调频连续波）采用连续发射的激光，其频率随时间线性变化（啁啾信号）。接收到的回波与当前发射信号混频后产生一个差频 f_b，该差频与目标距离成正比：

f_b = (2 × B × d) / (c × T)
B：调频带宽，T：调频周期，d：目标距离

FMCW的优势在于：可直接测量目标的径向速度（通过多普勒频移），且抗环境光干扰能力强，适合远距离、高动态场景。但其系统复杂度高、成本较高，目前在无人机SLAM中尚未大规模普及。

三、点云数据格式

激光雷达输出的原始数据是点云，即空间中大量离散点的集合。每个点通常包含三维坐标 (x, y, z)，以及强度 intensity、时间戳 timestamp、环号 ring 等属性。常见的点云格式包括：

• PCD（Point Cloud Data）：PCL库标准格式，支持ASCII和二进制，字段灵活，适合离线处理与算法验证。
• PLY：多边形文件格式，常用于存储带颜色或法向量的点云，兼容性好。
• LAS/LAZ：测绘领域标准，包含地理参考信息，适合大范围地形数据。
• ROS sensor_msgs/PointCloud2：机器人系统实时传输格式，支持多字段和紧凑二进制布局。

在无人机SLAM中，点云通常以帧为单位组织。每帧点云对应一个扫描周期，帧内点按时间顺序排列。由于无人机运动，帧内点云存在运动畸变，需要利用IMU或里程计信息进行去畸变处理。

四、坐标系定义与标定基础

激光雷达SLAM涉及多个坐标系，理解它们之间的变换关系是位姿估计的基础。典型坐标系包括：

• 雷达坐标系（LiDAR Frame）：原点位于激光雷达光学中心，x轴指向正前方，y轴指向左，z轴指向上（右手系）。
• 机体坐标系（Body Frame）：原点位于无人机重心，与飞控IMU对齐，描述无人机自身姿态。
• 世界坐标系（World Frame）：固定于初始位置，用于表达全局一致的地图和轨迹。
• 相机坐标系（Camera Frame）：用于激光雷达与视觉融合，需标定外参。

坐标系之间的变换由外参描述，包括旋转矩阵 R 和平移向量 t。标定的目标是求解这些参数，使不同传感器的数据能够统一到同一参考系下。

# 典型外参标定输出示例（LiDAR到IMU）
R = [[ 0.9998, -0.0175,  0.0087],
     [ 0.0175,  0.9998, -0.0035],
     [-0.0087,  0.0035,  0.9999]]
t = [0.12, -0.05, 0.08]  # 单位：米

标定方法通常分为离线标定和在线标定。离线标定使用标定板、角反射器等已知目标，通过优化算法求解；在线标定则利用运动约束和观测一致性，在运行过程中实时估计。对于无人机SLAM，IMU与LiDAR之间的外参标定尤为关键，直接影响点云去畸变和紧耦合里程计的精度。

五、核心原理与流程总结

综合来看，激光雷达从测距到SLAM的完整数据链路可以概括为：发射激光 → 接收回波 → 计算距离 → 生成点云 → 坐标变换 → 去畸变 → 配准与建图。每一步都依赖前一步的准确性。

在实际工程中，建议先完成传感器内外参标定，再验证点云质量，最后接入SLAM算法。标定环节的微小误差会在长距离和长时间运行中被放大，因此需要定期复核。对于无人机平台，还要考虑振动对激光雷达和IMU相对位姿的影响，必要时进行在线外参优化。