一、点云初探：什么是激光雷达？点云数据长什么样？主流传感器介绍。

大家好，欢迎来到这门课的第一讲。

说实话，每次开始讲激光雷达，我都会想起自己第一次拿到 Velodyne HDL-64 数据时的场景。那会儿我刚入行，看着屏幕上密密麻麻的点，第一反应是——这玩意儿到底在说什么？

嗯，别急。今天我们就从最基础的东西聊起。

1.1 激光雷达到底是个啥？

激光雷达，英文叫 LiDAR（Light Detection And Ranging）。说白了，它就是通过发射激光束，测量目标距离的传感器。

你想想看，它跟摄像头最大的区别是什么？摄像头是被动接收光线，而激光雷达是主动发射激光。这就意味着，哪怕在漆黑的夜里，它也能看得清清楚楚。

我在做地下车库的 SLAM 项目时，遇到过摄像头完全失效的情况——灯光太暗，纹理太少。但激光雷达呢？照样干活。这就是它的核心优势。

当然，除了 TOF 法，还有三角测距法、调频连续波（FMCW）等方法。但目前在自动驾驶和机器人领域，TOF 是绝对的主流。

1.2 点云数据长什么样？

激光雷达每次扫描，会得到成千上万个点。每个点包含什么呢？

• xyz 坐标：点在三维空间中的位置
• 强度值（intensity）：反射回来的激光强度，不同材质反射率不同
• 时间戳：这个点是什么时候被采集的
• 线束编号：对于多线激光雷达，每个点属于哪条扫描线

我习惯把点云想象成「三维世界的照片」。只不过照片的像素是 RGB 值，而点云的像素是 xyz 坐标。

来看一段最简单的点云数据，用 Python 读取 PCD 文件的样子：

import open3d as o3d

# 读取点云
pcd = o3d.io.read_point_cloud("example.pcd")

# 打印点云信息
print(pcd)
# 输出：PointCloud with 123456 points.

# 获取坐标
points = np.asarray(pcd.points)
print(points[:5])
# 输出：
# [[ 1.234  2.345  3.456]
#  [ 1.567  2.678  3.789]
#  ...]

你看，就是这么简单。每个点就是一个三维向量。

1.3 主流传感器介绍

市面上的激光雷达种类很多。我按自己的经验，把它们分成三类：

类型	代表产品	线数	典型应用	价格区间
机械旋转式	Velodyne HDL-64 / Ouster OS1	16~128线	自动驾驶、高精地图	几万~几十万
固态/半固态	RoboSense RS-LiDAR-M1 / Livox HAP	等效 64~128线	量产车、机器人	几千~几万
单线雷达	SICK LMS1xx / RPLIDAR A2	1线	AGV、扫地机器人	几百~几千

机械旋转式：这是最经典的结构。激光发射器和接收器装在旋转电机上，360度扫描。我记得第一次拆开 Velodyne 的时候，看到里面密密麻麻的激光二极管，确实震撼。但缺点也很明显——有机械旋转部件，寿命和可靠性是问题。

固态/半固态：这两年发展最快的类型。没有大块旋转部件，靠 MEMS 微振镜或者光学相控阵来改变激光方向。我最近在做一个园区物流项目，用的就是 RoboSense 的 M1，体积小、重量轻，装在车顶上不显眼。

单线雷达：结构最简单，只扫描一个平面。适合做 2D SLAM 或者避障。我最早接触激光雷达就是用的 RPLIDAR A2，那时候还在读研，几百块钱买一个，自己写代码做建图，挺有意思的。

1.4 知识体系总览

为了让大家对本章内容有个整体印象，我画了一张图：

这张图把本章的三个核心内容串起来了。从左到右，其实就是一条学习路径：先理解传感器原理，再学会看数据，最后知道怎么选设备。

1.5 一些心里话

说实话，激光雷达这个领域，入门门槛并不高。你不需要懂很深的光学原理，也不需要会复杂的数学推导。只要你能理解 xyz 坐标的含义，会写几行 Python 代码读数据，就已经迈出了第一步。

我记得自己刚入行时，花了一整个下午，就为了搞明白为什么点云里有些点特别亮（强度值高），有些点特别暗。后来才发现，原来是不同材质反射率不同——金属反射强，黑色橡胶反射弱。就这么简单的一个道理，当时却让我琢磨了半天。

所以，别怕。慢慢来，我们一章一章地过。