第4章：激光雷达标定基础

各位同学，今天我们来聊聊激光雷达标定。说实话，这是整个感知融合系统里最基础、也最容易踩坑的一环。我见过太多团队，算法调得天花乱坠，结果一上路就崩——最后发现，是激光雷达根本没标好。

4.1 激光雷达工作原理

激光雷达，英文叫LiDAR，全称是Light Detection And Ranging。说白了，就是通过发射激光束，测量目标距离。原理其实不复杂：发射一束激光，打到物体上反射回来，接收器记录时间差，乘以光速再除以2，距离就出来了。

但实际工程里，远没这么简单。我遇到过一个问题：为什么同一个目标，不同线束测出来的距离不一样？后来发现，是激光发射器和接收器的对准偏差导致的。嗯，这里要注意，机械式激光雷达里，每个激光器-探测器对都有微小的装配误差。

目前主流的激光雷达分三类：

机械旋转式：通过电机带动激光器旋转，实现360°扫描。代表产品有Velodyne HDL-64、禾赛Pandar系列。优点是视场角大，缺点是机械结构复杂，寿命有限。
固态式：没有旋转部件，通过光学相控阵或微振镜实现扫描。体积小、可靠性高，但视场角受限。
混合固态式：介于两者之间，比如MEMS振镜方案。目前很多量产车都在用。

我个人习惯把激光雷达分成两类来看：测距原理和扫描方式。测距原理决定了精度，扫描方式决定了覆盖范围。标定时，这两者都要考虑。

4.2 点云数据格式

激光雷达输出的原始数据，就是点云。每个点包含三维坐标(x, y, z)和反射强度(intensity)。有些雷达还会输出时间戳、线束ID、回波次数等信息。

常见的点云格式有：

格式	特点	典型应用
PCD	Point Cloud Library原生格式，支持ASCII和二进制	算法开发、可视化
PLY	支持顶点和面片，可存储颜色信息	3D建模、渲染
LAS/LAZ	行业标准格式，支持分类、回波等属性	测绘、地理信息系统
BIN	自定义二进制格式，体积小、解析快	自动驾驶实时系统

我建议初学者直接用PCD格式，因为PCL库支持最好。但实际工程中，我们更常用BIN格式——省空间、解析快。我记得有一次，客户要求点云数据必须实时传输，PCD格式一帧要2MB，换成BIN后压缩到500KB，带宽压力瞬间下来了。

来看一个简单的点云数据读取示例：

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>

pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
if (pcl::io::loadPCDFile<pcl::PointXYZI>("scan.pcd", *cloud) == -1) {
    PCL_ERROR("Couldn't read file scan.pcd\n");
    return -1;
}

std::cout << "Loaded " << cloud->width * cloud->height << " data points" << std::endl;

这里要注意，PointXYZI结构体包含x、y、z和intensity四个字段。intensity值反映了目标表面的反射特性，对目标识别很有帮助。比如，车道线反射率通常比路面高，通过intensity就能区分。

小技巧：标定时，我习惯在场景中放置高反射率标定板（比如白色亚光板），这样点云中能清晰看到标定板轮廓，方便提取特征点。

4.3 激光雷达坐标系定义

坐标系定义是标定的基础。搞错了坐标系，后面所有工作都是白费。我见过一个团队，标定完发现点云和相机图像对不上，查了两天才发现——激光雷达坐标系定义和算法里用的不一致。

激光雷达坐标系通常遵循右手定则：

X轴：指向车辆前方（或雷达安装方向）
Y轴：指向车辆左侧（或雷达左侧）
Z轴：指向上方

但不同厂商可能有差异。比如Velodyne的坐标系是：X轴指向车辆右侧，Y轴指向前方，Z轴向上。而禾赛的坐标系则遵循ROS标准：X轴向前，Y轴向左，Z轴向上。

为什么会这样？说白了，就是历史遗留问题。早期激光雷达主要用于测绘，坐标系定义偏向地理坐标系。后来自动驾驶兴起，大家才逐渐统一到车辆坐标系。

我建议的做法是：在标定前，先确认雷达的原始坐标系定义。然后统一转换到车辆坐标系下。转换公式很简单：

// 假设原始坐标系为Velodyne定义
// 需要转换到ROS标准坐标系
// 原始: X_right, Y_front, Z_up
// 目标: X_front, Y_left, Z_up

pcl::PointCloud<pcl::PointXYZI>::Ptr transformed_cloud(new pcl::PointCloud<pcl::PointXYZI>);
Eigen::Matrix4f transform = Eigen::Matrix4f::Identity();
transform(0,0) = 0;  transform(0,1) = 1;  // X_front = Y_original
transform(1,0) = -1; transform(1,1) = 0;  // Y_left = -X_original
// Z保持不变

pcl::transformPointCloud(*cloud, *transformed_cloud, transform);

避坑指南：我曾经在标定一个16线激光雷达时，发现标定结果总是有5cm左右的偏差。排查了很久，最后发现是雷达的安装角度有0.5°的倾斜。这个角度在近距离影响不大，但到了50米外，偏差就放大到40cm了。所以，标定前一定要用水平仪确认雷达的安装姿态。

4.4 本章知识体系

为了让大家更直观地理解本章内容，我画了一张结构图：

这张图把本章的三个核心内容串起来了。你想想看，工作原理决定了你用什么方式获取数据，数据格式决定了你怎么处理这些数据，坐标系定义决定了你怎么把数据用起来。三者缺一不可。

核心要点：

激光雷达标定的本质，是建立从雷达原始测量到车辆坐标系的精确映射关系
点云数据格式的选择，要在精度、速度和存储之间做权衡
坐标系定义必须统一，否则后续的融合、定位、规划都会出错

好了，这一章就到这里。记住一句话：标定做不好，算法再好也白搭。下一章我们聊聊相机标定，到时候会讲到怎么把相机和激光雷达的数据对齐——嗯，那才是真正有意思的部分。

可可精品资料库

📚 课程目录

第4章：激光雷达标定基础

4.1 激光雷达工作原理

4.2 点云数据格式

4.3 激光雷达坐标系定义

4.4 本章知识体系