4. 点云质量影响因素
在激光雷达感知评测中，点云质量并不是一个只由“雷达型号”决定的静态指标。同一台激光雷达安装在同一辆车上，晴天正午与雨夜、静止标定与高速过弯、照射水泥墙与黑色绒布、单车独行与多雷达同频工作，得到的点云在密度、测距精度、反射强度、几何一致性和时间一致性上都会出现显著差异。理解这些影响因素，是设计评测用例、解释指标波动、定位感知退化的前提。
点云质量 = 硬件能力 × 环境传播条件 × 目标反射特性 × 平台运动状态 × 多传感器协同状态 × 器件健康度。评测的任务，是把这六个乘数分别“固定住”或“量化出来”。
一、核心原理：六类因素如何作用于点云
激光雷达通过发射激光脉冲、接收回波并测量飞行时间（ToF）来获得距离，同时记录回波强度与角度信息。因此，任何影响“光在往返路径上的能量与时间”的因素，都会直接改写点云。
- 天气：雨、雪、雾、沙尘会在光束路径上产生散射与吸收。雾滴造成后向散射，形成近距“假点”与噪声；雨滴打在窗口上形成局部遮挡；雪片被误判为障碍物。雨雾还会衰减回波能量，使远距点丢失。
- 光照：强太阳光进入接收视场会抬高背景噪声，降低信噪比；逆光、隧道出入口的剧烈照度变化会影响相机与激光雷达的联合标定稳定性；夜间低照度则可能让依赖视觉的融合模块失效，但激光雷达本身受影响较小。
- 目标材质：反射率决定回波强度。低反射率（黑色车漆、沥青、绒布）导致回波弱、测距漂移甚至丢点；高反射率（反光条、金属标牌、玻璃幕墙）可能造成过曝、串扰或镜面反射，使点落到错误方向。
- 运动畸变：机械旋转或非重复扫描雷达在扫描周期内车辆持续运动，同一帧内不同方位角的点对应不同时刻的位姿，导致墙面弯曲、路沿错位、目标“拖尾”。速度越高、扫描周期越长，畸变越明显。
- 多传感器干扰：多台同波段激光雷达同时工作时，A 雷达可能接收到 B 雷达的脉冲，形成随机散点或“鬼影”；与相机、毫米波雷达的时序不同步也会造成融合后的空间错位。
- 硬件老化：激光器功率衰减、探测器灵敏度下降、转镜轴承磨损、窗口污染与镀膜老化，都会让点云密度、测距精度和强度一致性随时间缓慢退化。
二、方法流程：把“混在一起”的影响拆开测
工程上最忌讳把所有波动都归因于“天气不好”。推荐按以下流程做分项隔离评测：
- 建立基线：在标准环境（晴天、静止、标准反射板、单雷达）下采集基线点云，记录密度、测距误差、强度均值与帧间一致性。
- 单因素扰动：每次只改变一个因素，例如仅改变目标材质，或仅在雨中采集，其余条件保持与基线一致。
- 量化指标：对每类因素定义可计算指标，如雨雾下的有效点比例、低反射目标的丢点率、运动畸变的墙面直线度误差、多雷达串扰的孤立点数。
- 场景复现：把典型退化场景固化为可重复的回放数据集，用于回归测试。
- 退化追踪：对长期运行车辆，按周或按月对比同场景指标，识别硬件老化趋势。
三、案例与场景：一次雨夜误刹车的归因
某测试车在雨夜城市道路出现一次误刹车。初步看是感知模块把近处噪声点聚类为障碍物。按上述流程拆解：
- 天气：雨滴后向散射在车前方 3～8 m 形成大量低强度散点，密度约为晴天的 4 倍。
- 光照：夜间无强光干扰，排除光照因素。
- 目标材质：误检区域附近有黑色沥青与湿滑路面，回波弱，进一步放大了噪声的相对显著性。
- 运动畸变：车速约 45 km/h，扫描周期 100 ms，单帧内位移约 1.25 m，路沿出现轻微错位。
- 多传感器干扰：同车另一台同波段雷达未开启抗干扰模式，存在少量串扰点。
- 硬件老化：窗口有轻微水渍与灰尘，近距回波强度较基线下降约 12%。
最终定位为“雨天散射噪声 + 低反射路面 + 窗口污染”的叠加效应，而非单一故障。修复措施包括启用雨雾滤波、增加近距噪声聚类抑制、清洁窗口并开启多雷达抗干扰。
四、常见误区与复盘清单
误区一：把天气影响等同于“点变少”。实际上雨雾既可能增加近距假点，也可能减少远距真点，是“噪声上升 + 有效点下降”的双向变化。误区二：用单帧点云判断运动畸变。畸变是帧内时间不一致，必须结合位姿与扫描时序分析。误区三：忽略硬件老化的缓慢累积，导致同一算法在不同车龄车辆上表现差异巨大。
| 影响因素 | 典型表现 | 可量化指标 | 常用缓解手段 |
|---|---|---|---|
| 天气 | 近距散点、远距丢点、窗口遮挡 | 有效点比例、噪声点密度、最大探测距离 | 雨雾滤波、多回波筛选、窗口加热 |
| 光照 | 背景噪声升高、融合标定漂移 | 信噪比、强度均值、标定残差 | 窄带滤光、曝光控制、在线标定 |
| 目标材质 | 低反射丢点、镜面反射错点 | 丢点率、强度分布、测距偏差 | 多回波、强度补偿、材质标注 |
| 运动畸变 | 墙面弯曲、目标拖尾、路沿错位 | 直线度误差、帧内位姿残差 | 运动补偿、IMU 融合、时间戳对齐 |
| 多传感器干扰 | 随机散点、鬼影、融合错位 | 孤立点数、时序偏差、重影率 | 抗干扰编码、分时扫描、硬同步 |
| 硬件老化 | 密度下降、强度衰减、精度漂移 | 强度衰减率、测距漂移、点密度趋势 | 定期标定、健康监测、窗口维护 |
五、参数与日志示例
在评测脚本中，建议把六类因素作为元数据写入采集记录，便于后续按因素切片分析：
{
"frame_id": "2024-06-18T21:34:07.120Z",
"weather": "rain",
"illuminance_lux": 12,
"target_material": "wet_asphalt",
"ego_speed_kmh": 45.2,
"scan_period_ms": 100,
"interference_mode": "off",
"window_cleanliness": 0.88,
"valid_point_ratio": 0.71,
"noise_point_density": 3.9,
"range_error_m": 0.06
}复盘时，先看 valid_point_ratio 与 noise_point_density 是否同时恶化，再结合 weather、target_material 与 window_cleanliness 判断主因。只有把影响因素拆开、量化并持续追踪，点云质量评测才能从“事后解释”走向“事前预防”。