1、点云世界初探：什么是三维点云？
大家好，我是你们这门课的老朋友。今天咱们正式开篇，聊聊点云到底是什么玩意儿。
说实话，我第一次接触点云的时候，脑子里就一个想法：这不就是一堆密密麻麻的坐标点吗？后来做项目做多了才发现，这堆「点」背后藏着的，是整个三维世界的秘密。
1.1 三维点云的本质
点云，说白了就是三维空间里一群点的集合。每个点都带着自己的坐标信息 (x, y, z)，有的还带着颜色、强度、回波次数等附加属性。
你想想看，我们平时用手机拍照，得到的是二维像素阵列。而点云呢？它直接给你一个三维空间的「快照」。每个点就像宇宙中的一颗星星，无数颗星星拼在一起，就构成了物体的完整形状。
核心定义：点云 = {P₁, P₂, ..., Pₙ}，其中 Pᵢ = (xᵢ, yᵢ, zᵢ, [rᵢ, gᵢ, bᵢ], [intensityᵢ], ...)
我在做自动驾驶项目时遇到过一个问题：激光雷达扫出来的点云，一帧就有十几万个点。怎么处理？嗯，这就要靠我们后面要讲的各种算法了。
1.2 点云数据的获取方式
点云怎么来的？主要有三种主流方式。我按自己的经验给大家排个序：
| 获取方式 | 原理 | 典型设备 | 我见过的坑 |
|---|---|---|---|
| 激光雷达 | 发射激光束，测量飞行时间 | Velodyne、禾赛、Ouster | 雨雪天气噪点暴增 |
| 深度相机 | 双目视觉或ToF原理 | Intel RealSense、Kinect | 室外强光下直接失效 |
| 结构光 | 投射编码光栅，三角测量 | iPhone Face ID、工业3D扫描仪 | 反光表面容易丢点 |
激光雷达
这是目前工业界最常用的方式。我习惯把它叫做「三维世界的眼睛」。激光雷达每秒发射几十万甚至上百万个激光脉冲，通过测量每个脉冲的往返时间，计算出目标点的距离。
举个例子，Velodyne VLP-16 这款经典雷达，16线束，360°水平视场，30°垂直视场。它扫出来的点云长这样：
# 一个典型的激光雷达点云数据片段
x: 12.345, y: -3.210, z: 0.876, intensity: 85
x: 12.348, y: -3.215, z: 0.879, intensity: 83
x: 12.351, y: -3.220, z: 0.882, intensity: 80
...我曾经在测绘项目里用过32线激光雷达扫一个古建筑。结果发现，屋顶的瓦片因为角度太陡，反射信号很弱，导致屋顶区域出现了大片空洞。后来我调整了扫描角度和雷达位置，才把数据补全。
深度相机
深度相机走的是「平民路线」。它便宜、小巧，适合室内场景。Intel RealSense D435 是我个人比较推荐的一款，几百块钱就能拿到手。
它的原理是双目立体视觉：两个摄像头拍下左右两张图，通过视差计算出深度。说白了就是模仿人眼的工作方式。
我的建议：如果你只是做室内物体识别或手势交互，深度相机完全够用。但别拿它去户外测距——阳光一照，深度图直接崩掉。
结构光
结构光技术，你每天都在用——iPhone的Face ID就是典型代表。它往脸上投射几万个红外光点，然后通过摄像头捕捉这些光点的变形，计算出面部三维轮廓。
工业级的结构光扫描仪精度能达到0.01mm级别，常用于文物数字化、精密零件检测。我记得有一次帮博物馆扫描青铜器，结构光扫描仪花了整整两个小时才扫完一件巴掌大的器物。但出来的模型，连铭文上的笔画都清晰可见。
注意：结构光对透明物体和镜面反射物体基本无效。我曾经试过扫描一个玻璃杯，结果点云里全是空洞和飞点。后来只能喷显影剂再扫。
1.3 点云的应用领域
点云的应用范围，比你想象的要广得多。我挑几个最典型的说说：
自动驾驶
这是点云最「出圈」的应用。自动驾驶汽车头顶那个旋转的「帽子」，就是激光雷达。它实时扫描周围环境，生成3D点云，然后算法从中识别出车辆、行人、路沿、交通标志等。
我参与过一个L4级自动驾驶项目，最头疼的问题就是「点云分割」。怎么从几十万个点里准确找出哪几个点属于行人，哪几个属于自行车？嗯，这涉及到后面要讲的深度学习点云处理，咱们到时候细聊。
机器人
机器人要自主导航，首先得知道「我在哪」和「周围有什么」。点云就是它的「眼睛」。SLAM（同步定位与地图构建）技术，核心就是靠点云来实时建图和定位。
我建议初学者先从Cartographer或LOAM这类开源SLAM框架入手。它们对点云的处理逻辑非常清晰，适合学习。
测绘
传统测绘靠全站仪，一个点一个点地测，效率低得可怜。现在用无人机搭载激光雷达，飞一圈就能拿到整个区域的高精度点云。地形图、数字高程模型（DEM）、建筑物三维模型，全都能自动生成。
我曾经在山区做过一次机载LiDAR测绘。无人机飞了20分钟，拿到了2亿多个点。回去一处理，连山坡上的小树都看得清清楚楚。这要是人工测量，得干一个月。
文物保护
这个领域我特别有感情。点云技术让文物「数字化永生」成为可能。敦煌莫高窟、兵马俑、故宫的很多文物，都已经用三维扫描技术做了高精度点云存档。
万一哪天文物受损了，我们可以根据点云数据做3D打印修复。甚至可以在虚拟现实里让观众「触摸」文物，既保护了原件，又传播了文化。
一句话总结：点云就是三维世界的「像素」。掌握了点云处理，你就掌握了数字化现实的能力。
1.4 本章知识体系
下面这张图，是我自己画的本章知识结构。它帮你理清点云的核心脉络：
这张图把本章的核心内容串起来了。从定义出发，到三种获取方式，再到四大应用领域。你学完这一章，应该能对点云有个整体认知。
学习建议：别急着上手写代码。先找几份公开的点云数据集看看，比如KITTI、Semantic3D、ModelNet。用CloudCompare或MeshLab打开，拖拽旋转，感受一下点云「长什么样」。我当年就是这么入门的。
好了，第一章就聊到这儿。点云的世界很大，咱们慢慢探索。