一、课程导论与硬件基础：激光雷达工作原理与选型
大家好，我是你们这门课的主讲。在自动驾驶感知领域摸爬滚打了快十年，说实话，激光雷达一直是我最「信任」的传感器。为什么？因为它直接给你三维信息，不像摄像头需要靠算法去猜深度。今天这第一节课，咱们就把激光雷达的底裤扒干净——从原理到选型，再到点云数据怎么存的，一次性讲透。
1.1 激光雷达工作原理：TOF 与三角测距
激光雷达测距，说白了就两种主流方案：TOF（飞行时间法）和三角测距法。
TOF 原理：发射激光脉冲，打到物体反射回来，接收器记录时间差 Δt。距离 d = c × Δt / 2。就这么简单。我当年刚入行时，总觉得这玩意儿精度能有多高？后来发现，时间测量精度做到皮秒级，距离精度就能到厘米级。嗯，这里要注意，TOF 受环境光影响较大，尤其是强阳光下，信噪比会下降。
三角测距法：激光器与接收器之间有个固定基线距离 B。激光打到物体上，在接收器 CMOS 上成像位置会偏移。通过三角几何关系算出距离。这种方法近距离精度极高（毫米级），但距离一远就拉胯。我在做室内 AGV 项目时用过三角测距雷达，5米以内表现完美，超过10米基本就废了。
为什么自动驾驶几乎全用 TOF？你想想看，高速场景需要看到200米外的障碍物，三角测距根本做不到。所以，咱们这门课后面讲的车道线检测，全部基于 TOF 激光雷达。
1.2 主流品牌参数对比：Velodyne / Hesai / RoboSense
市面上激光雷达品牌很多，但真正在自动驾驶量产车上跑出数据的，就这三家。我列个表，大家一目了然。
| 参数项 | Velodyne VLS-128 | Hesai AT128 | RoboSense RS-LiDAR-M1 |
|---|---|---|---|
| 线数 | 128 | 128 | 等效 125 线 |
| 测距范围 | 300m @ 10% 反射率 | 200m @ 10% 反射率 | 200m @ 10% 反射率 |
| 垂直视场角 | 40° | 25.4° | 25° |
| 水平角分辨率 | 0.1° | 0.1° | 0.2° |
| 点频 | ~2.4M pts/s | ~1.5M pts/s | ~1.2M pts/s |
| 工作温度 | -20°C ~ 65°C | -40°C ~ 85°C | -40°C ~ 85°C |
| 价格（参考） | ~$100,000 | ~$5,000 | ~$3,000 |
我个人习惯是：做算法原型验证用 Velodyne，数据质量最稳定，点云干净。但量产项目我强烈推荐 Hesai 或 RoboSense。为什么？价格差了一个数量级，而且国产雷达的可靠性已经追上来了。我曾经在一个矿区无人驾驶项目里用过 Velodyne，结果高温下频繁报错，后来换成 Hesai AT128，稳如老狗。
1.3 点云数据格式解析：PCD 与 PCAP
拿到激光雷达硬件，第一步就是读懂它的数据。最常见的两种格式：PCD 和 PCAP。
PCD 格式（Point Cloud Data）
这是点云库 PCL 的标准格式。纯文本或二进制存储。结构清晰，每行一个点，包含 x, y, z, intensity, ring, time 等字段。我经常用它做离线调试，因为可以直接用文本编辑器打开看。
# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z intensity ring time
SIZE 4 4 4 4 2 8
TYPE F F F F U F
COUNT 1 1 1 1 1 1
WIDTH 100000
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 100000
DATA ascii
1.234 2.345 3.456 120 5 123456.789
1.235 2.346 3.457 130 5 123456.790
...这里要注意 intensity 字段。它代表反射强度，对车道线检测特别有用——车道线通常是高反光材料，intensity 值明显高于路面。我做过一个项目，只用 intensity 阈值分割就能提取出车道线，准确率超过 90%。
PCAP 格式（Packet Capture）
这是网络抓包格式。激光雷达通常通过 UDP 协议发送数据包，PCAP 就是原始网络包的二进制转储。为什么用 PCAP？因为可以回放。你想想看，在实车上采集数据时，不可能每次都把原始场景搬回来。用 PCAP 录下来，回到办公室就能一模一样地回放，调试算法非常方便。
解析 PCAP 需要知道激光雷达的 UDP 包结构。以 Velodyne 为例，每个数据包包含 12 个数据块，每个数据块有 32 个激光点的测距值和反射强度。我早期踩过一个坑：直接按固定字节偏移解析，结果发现不同固件版本的数据包结构有细微差异。后来我学乖了，每次都先读包头版本号，再决定解析方式。
1.4 本章知识体系总览
为了让大家对本章内容有个整体把握，我画了一张结构图。它把激光雷达的工作原理、主流品牌对比、点云数据格式这三块串起来了。
这张图把咱们这章的核心脉络理清了。你从左上角开始看：先搞懂 TOF 和三角测距的区别，然后根据应用场景选品牌，最后学会怎么读写 PCD 和 PCAP。每一步都是后面车道线检测算法的基础。
好了，这节课就到这里。硬件基础打牢了，后面咱们才能放心地聊车道线提取、拟合、跟踪这些硬核内容。记住：理解传感器，是做好感知的第一步。
可可精品资料库