📚 课程目录第3章点云数据特性

3. 点云数据特性

激光雷达输出的原始点云并不是一张规整的二维图像，而是一组在三维空间中离散分布的点集合。每个点通常包含三维坐标 (x, y, z)、反射强度 intensity、时间戳 t，有时还包含环号、方位角等信息。理解这些数据的物理与几何特性，是设计 3D 目标检测网络、数据增强策略和损失函数的前提。本节围绕五个关键特性展开：稀疏性、无序性、密度变化、反射强度差异以及运动畸变。

一、稀疏性与无序性：点云不是图像

稀疏性指激光雷达在有限线束和角分辨率下，对同一物体表面采样得到的点数量远少于像素。例如 64 线激光雷达在 50 米处，垂直方向相邻线束间距可达约 0.4 米，一个行人可能只被几十个点覆盖。稀疏性直接导致远距离目标特征弱、小目标易漏检。无序性则指点与点之间没有固定排列顺序，交换任意两个点的位置，点云所表达的几何形状不变。这意味着直接套用卷积神经网络处理有序栅格的方式并不自然，需要先体素化、投影或使用点云专用算子。

稀疏性与无序性共同决定了：3D 检测网络必须对点集排列不变，并能在低点密度下保持判别能力。常见做法包括体素化、柱面投影、PointNet 系列对称函数以及基于 Transformer 的集合注意力。

二、密度变化：近密远疏与遮挡

激光雷达的扫描线在三维空间中呈放射状分布，导致近处点密集、远处点稀疏。同时，物体表面朝向、遮挡关系和入射角也会造成同一目标不同区域密度差异。例如车辆侧面点较密，车尾被遮挡时点很少。密度变化会带来两个工程问题：一是固定尺寸的体素或卷积核在远处感受野覆盖不足；二是基于最近邻的特征聚合在稀疏区域不稳定。因此，很多检测器会引入距离自适应体素、多尺度特征融合或密度感知采样。

三、反射强度：材质与距离的耦合

反射强度表示激光回波能量，受材质、颜色、入射角、距离和表面粗糙度共同影响。高反射材料如交通标志、车牌会返回很强信号，黑色橡胶、沥青则较弱。强度信息对分类和分割很有价值，但它不是稳定的物理量，不能简单当作颜色通道。工程中常对强度做归一化、截断或与几何特征解耦，避免网络过度依赖强度而忽略形状。

四、运动畸变：一帧点云并非同一时刻

机械旋转式激光雷达逐点扫描，一帧点云内不同点的采集时间不同。当车辆或目标运动时，同一刚体上的点会被投影到不同位置，形成运动畸变。例如车辆右转时，点云中的墙面会出现弯曲，行人快速移动时轮廓被拉长。运动畸变会破坏几何一致性，影响检测框回归和跟踪。常用补偿方法是利用 IMU、轮速计或里程计提供的位姿，将每个点变换到统一参考时刻，即运动补偿或去畸变。

五、工程处理流程与参数示例

面对上述特性，典型预处理流程包括：读取点云与时间戳、运动补偿、范围裁剪、体素化或柱面投影、特征编码。下面给出一个去畸变与体素化的参数配置片段，便于理解各参数与数据特性的对应关系。

# 点云预处理配置示例
lidar:
  num_channels: 64
  range_max: 80.0          # 远距离稀疏，需限制检测范围
  voxel_size: [0.05, 0.05, 0.1]  # 近密远疏，体素不宜过大
  max_points_per_voxel: 5  # 控制稀疏区域特征聚合
  use_intensity: true      # 反射强度作为附加通道
  intensity_norm: [0, 1]   # 强度归一化，降低材质耦合
motion_compensation:
  enable: true
  source: "imu"            # 使用 IMU 位姿去畸变
  reference_time: "frame_start"

六、案例与场景：城市道路与高速场景对比

在城市道路场景中，近处行人、非机动车密集，遮挡严重，密度变化剧烈；高速场景中目标距离远、相对速度快，稀疏性和运动畸变更突出。若在城市场景使用过大的体素，会丢失行人细节；若在高速场景忽略运动补偿，车辆点云会被拉长，导致检测框尺寸和朝向回归错误。因此，数据特性分析应直接指导体素尺寸、采样策略和补偿模块的取舍。

特性	物理来源	对检测的影响	常用应对
稀疏性	线束与角分辨率有限	远距离小目标漏检	多尺度融合、点云补全
无序性	点集无固定排列	卷积不直接适用	体素化、PointNet、注意力
密度变化	放射状扫描与遮挡	特征聚合不稳定	自适应体素、密度感知采样
反射强度	材质、距离、入射角	强度不可靠，易过拟合	归一化、解耦、截断
运动畸变	逐点扫描与目标运动	几何失真、框回归偏差	IMU/里程计运动补偿

在标注与训练阶段，建议先统计点云密度分布、强度直方图和运动畸变残差。若发现某类目标平均点数低于阈值，应优先调整体素尺寸或引入点云补全，而不是盲目加深网络。

常见误区：把反射强度当作 RGB 颜色直接输入，忽略其与距离、入射角的耦合；或在高速场景关闭运动补偿，导致同一车辆在不同帧中形状不一致，跟踪 ID 频繁切换。复盘时应将数据特性检查列为固定步骤。

综上，稀疏性、无序性、密度变化、反射强度和运动畸变并非孤立问题，它们共同决定了点云的表征方式、网络结构和训练策略。只有在数据层面理解这些特性，才能在 3D 目标检测工程中做出合理的预处理与模型设计决策。