1. 点云世界初探：什么是激光雷达点云？

大家好，我是这门课的主讲。在正式开始之前，我想先问一个问题：你想象过一台机器是如何“看见”三维世界的吗？摄像头？那是二维的。雷达？那是稀疏的。真正能让机器在三维空间里“摸”到物体的，就是激光雷达点云。

我第一次接触点云是在一个自动驾驶项目里。当时客户说“我们要让车看到路”，我心想这不就是装个摄像头嘛。结果被老工程师拉去看了LiDAR的原始数据——满屏密密麻麻的彩色点，像星空一样。他说：“这才是车真正的眼睛。”嗯，从那天起，我就入了点云的坑。

1.1 激光雷达点云的本质

说白了，激光雷达点云就是一束束激光打出去，碰到物体反射回来，测量往返时间，再结合激光头的角度，算出来的三维坐标集合。每个点代表物体表面上的一个采样位置。

你想想看，一秒钟发射几十万甚至上百万个激光脉冲，每个脉冲返回一个点，这些点堆在一起，就形成了“云”。所以叫点云。

1.2 点云数据的核心特征

一个激光雷达点，远不止一个坐标那么简单。我习惯把点云的特征分成三个层次：

1.2.1 XYZ 坐标——骨架

这是点云的基础。X、Y、Z 三个值确定了点在三维空间中的位置。坐标系的定义因设备而异，但通常遵循右手定则：X 向前，Y 向左，Z 向上。

我在项目中遇到过一个问题：两台不同品牌的激光雷达，坐标系定义完全相反。一台的 X 正方向是车头，另一台是车尾。如果不做坐标系对齐，融合出来的点云就是“鬼影”。

1.2.2 强度值——纹理

强度（Intensity）是激光回波的信号强度。不同材质反射激光的能力不同：白色路面反射强，黑色轮胎反射弱，玻璃直接穿透或产生镜面反射。

强度值有什么用？我举个例子：在测绘中，靠强度值可以区分车道线和沥青路面。在自动驾驶中，靠强度值可以识别交通标志牌。说白了，强度就是点云的“灰度图”。

材质类型	典型强度值范围	说明
白色路面标线	180 - 255	高反射，容易识别
沥青路面	30 - 80	中等反射，表面粗糙
深色车辆轮胎	5 - 20	低反射，吸光材质
玻璃幕墙	0 - 10 或异常高值	穿透或镜面反射，不稳定

1.2.3 回波次数——穿透力

一个激光脉冲打出去，可能碰到多个物体。比如打到树叶边缘，一部分能量反射回来（第一次回波），剩下的继续往下走，打到地面（第二次回波）。

多回波能力是激光雷达的独门绝技。我记得在林业测绘项目中，靠回波次数能直接分离树冠和地面。第一次回波是树冠，最后一次回波是地面。中间的回波是灌木或树枝。这个特性在植被茂密的区域特别有用。

1.3 点云数据的典型结构

一个标准的点云数据文件，比如 LAS 或 PCD 格式，每条记录大致长这样：

// 单点数据结构示例（伪代码）
struct Point {
    float X;          // X坐标，单位：米
    float Y;          // Y坐标，单位：米
    float Z;          // Z坐标，单位：米
    uint16_t Intensity; // 强度值，0-65535
    uint8_t ReturnNumber;   // 当前回波编号
    uint8_t NumberOfReturns; // 总回波次数
    uint8_t Classification; // 分类标签（地面、建筑、植被等）
    // ... 其他可选字段
};

你可能会问：为什么需要这么多字段？因为点云不是一张照片，它是一个数据容器。每个点都携带了丰富的环境信息。我常说，点云是“用数据堆出来的三维世界”。

1.4 点云的核心应用场景

点云不是实验室里的玩具，它在工业界已经大规模落地。我挑三个最典型的场景聊聊：

1.4.1 自动驾驶——感知的基石

自动驾驶汽车上，激光雷达是感知系统的核心传感器。它负责：

• 障碍物检测：识别车辆、行人、自行车的位置和速度
• 可行驶区域分割：区分路面、路沿、障碍物
• 定位与建图：通过点云匹配实现高精度定位

我在做自动驾驶项目时，最头疼的不是算法，而是数据标注。一个城市道路场景，一帧点云可能有十几万个点，要逐帧标注车辆、行人、骑行者……那段时间我做梦都在画3D框。

1.4.2 机器人——环境感知与导航

机器人领域，点云主要用于：

• SLAM（即时定位与地图构建）：机器人在未知环境中一边移动一边建图
• 避障：实时检测前方障碍物，规划安全路径
• 物体抓取：识别目标物体的三维形状，计算抓取位姿

我记得有个仓储机器人项目，客户要求机器人在货架间穿梭。摄像头在昏暗灯光下基本失效，超声波又太粗糙。最后上了单线激光雷达，点云虽然稀疏，但足够检测货架腿和托盘位置。效果立竿见影。

1.4.3 测绘与地理信息——高精度三维重建

测绘是点云最传统的应用领域：

• 地形测量：机载LiDAR扫描大面积地形，生成DEM/DSM
• 建筑物建模：地面扫描仪获取建筑立面点云，逆向建模
• 电力线巡检：检测输电线路与周围树木的距离

测绘领域对精度的要求极高。我见过一个桥梁检测项目，点云精度要求达到毫米级。扫描仪架在桥下，每个点都要精确到亚厘米。处理这种数据时，任何滤波参数调错，都会导致模型变形。

1.5 本章知识体系总览

为了让你对本章内容有个整体印象，我画了一张结构图。它把点云的核心概念、数据特征和应用场景串在了一起。

1.6 写在前面的话

这一章我们只做了一件事：搞清楚点云是什么，它长什么样，用在哪儿。没有代码，没有算法，只有概念。但别小看这些概念——我见过太多人一上来就调库、跑模型，结果连点云的强度值和回波次数都分不清。最后出了问题，排查三天才发现是数据理解错了。

所以我的建议是：把这一章的基础打牢。后面30章，每一章都会回到这些核心概念上。你越早理解点云的本质，后面学起来就越轻松。