2. 激光雷达基础

在点云语义分割与跟踪工程中，激光雷达不是“黑盒传感器”，而是一条从发射、扫描、回波接收、时间测量到坐标解算的完整信号链。理解这条链路，才能判断点云为什么会出现空洞、拖尾、重影、强度异常，也才能正确设计标定、滤波与标注流程。本章围绕LiDAR工作原理、点云数据格式、坐标系、传感器标定与点云质量影响因素展开，为后续分割与跟踪建立数据层面的共同语言。

一、核心原理：飞行时间与扫描机制

主流车载激光雷达以脉冲飞行时间（Time of Flight, ToF）测距为基础：激光器发射短脉冲，光束经旋转棱镜或MEMS振镜偏转后射向目标，目标漫反射的一部分回波被接收器捕获，通过高精度计时电路测量往返时间 Δt，再由 d = c·Δt/2 计算距离。调频连续波（FMCW）则通过频率差同时获得距离与径向速度，抗干扰能力更强，但信号处理更复杂。

按扫描方式，机械旋转式通过360°旋转实现水平视场覆盖，固态式则借助光学相控阵、MEMS或Flash方案实现区域扫描。扫描方式直接决定点云的空间分布：机械式在近处点密、远处点稀；非重复扫描（如Livox）在积分时间内形成花瓣状轨迹，单帧稀疏但多帧累积后覆盖更均匀。工程中必须区分“单回波”与“多回波”：多回波可穿透雨雾、树叶，返回多次距离，为后续滤波提供依据。

二、点云数据格式与字段语义

点云不是“一堆坐标”，而是带属性的结构化数据。常见格式包括PCD（点云库原生）、PLY（图形学通用）、LAS/LAZ（测绘行业）以及ROS中的 sensor_msgs/PointCloud2。工程中最关键的是字段语义：x, y, z 为坐标，intensity 为回波强度，ring 标识激光线束编号，timestamp 用于运动补偿，label 则承载语义分割结果。

# PCD 文件头部示例
VERSION .7
FIELDS x y z intensity ring timestamp
SIZE 4 4 4 4 2 8
TYPE F F F F U F
COUNT 1 1 1 1 1 1
WIDTH 120000
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 120000
DATA binary

读取时需注意：ring 字段对机械式雷达至关重要，它决定了点属于哪条扫描线，直接影响地面分割与聚类；timestamp 若为每点时间，可用于去畸变；若整帧统一时间，则需借助IMU或轮速计做运动补偿。忽略这些字段，后续分割会出现“同一物体被切成多段”或“地面点混入障碍物”的问题。

三、坐标系与标定：从传感器到世界

点云工程中至少涉及三层坐标系：传感器坐标系（以雷达光学中心为原点）、车体坐标系（以车辆后轴中心或几何中心为原点）、世界坐标系（全局地图或ENU坐标）。外参标定就是求解传感器到车体的旋转矩阵 R 与平移向量 t，使多雷达点云能对齐到同一参考系。

标定方法分为目标法与无目标法。目标法使用棋盘格、标定杆或专用标靶，通过对应点求解；无目标法则利用道路平面、建筑物边缘等自然特征，通过最小化点云重叠区域的几何一致性优化外参。工程中常采用“粗标定+精标定”流程：先人工测量初始外参，再用ICP或NDT配准优化。标定误差超过0.5°时，30米外的点云偏移可达0.26米，足以让相邻车道车辆“粘”在一起。

四、点云质量影响因素与排查清单

点云质量直接决定分割与跟踪的上限。常见影响因素可归纳为四类：目标特性（低反射率、镜面反射、黑色车漆）、环境条件（雨雾雪、扬尘、强光）、传感器状态（脏污、老化、温度漂移）以及系统集成（标定误差、时间不同步、多雷达串扰）。

五、工程案例：一次地面分割异常的复盘

某项目在园区道路测试时，地面分割算法在直道表现正常，但在弯道处频繁把路沿误判为障碍物。排查发现：雷达安装俯仰角存在约1.2°偏差，导致远处地面点在车体坐标系中整体上翘；同时该雷达未启用逐点时间戳，车辆转弯时点云存在运动畸变。修正外参并启用IMU运动补偿后，地面分割准确率从87%提升至96%。这个案例说明：点云质量问题往往以“算法失效”的形式暴露，但根因在数据采集与标定环节。

因此，在进入语义分割与跟踪之前，必须建立“数据质量优先”的意识：确认字段完整、坐标系清晰、外参准确、时间同步可靠，并对点云质量做量化评估。只有输入可靠，后续的模型训练与跟踪滤波才有意义。