2. 点云数据基础：定义、表示方法与常见格式
各位同学，咱们今天聊聊点云数据的基础。说实话，我刚入行那会儿，觉得点云不就是一堆点嘛，有啥好学的？后来在项目里栽了跟头，才明白基础不牢，地动山摇。这一节，我把这些年踩过的坑和积累的经验，一次性讲清楚。
2.1 点云的定义——说白了就是空间的“像素”
点云，英文叫 Point Cloud，本质上就是一堆三维坐标点的集合。你想想看，我们用激光扫描仪或者深度相机去拍一个物体，每打一束光，就记录下一个点的位置。成千上万个点凑在一起，就形成了物体的“轮廓”。
我个人习惯把点云理解成“三维世界的像素”。二维图像里，每个像素有 RGB 值；三维点云里，每个点有 XYZ 坐标。只不过点云没有固定的网格结构，它是离散的、无序的。
核心定义：点云 P = {p₁, p₂, ..., pₙ}，其中每个点 pᵢ = (x, y, z, ...) 至少包含三维空间坐标。
我在项目中遇到过一件事：有个同学拿到的点云数据，坐标单位是毫米，但他当成米去处理。结果整个模型缩放了 1000 倍，找了半天 bug。嗯，这里要注意——点云数据本身没有单位，全靠你约定的尺度。
2.2 点云的表示方法——不止 XYZ 那么简单
最基本的点云，每个点只有 XYZ 坐标。但实际工程中，我们往往需要更多信息。我把它分成三类来讲：
2.2.1 XYZ 坐标——骨架
这是点云的基础。每个点用 (x, y, z) 表示在三维空间中的位置。坐标系的定义很重要——是左手系还是右手系？Z 轴朝上还是 Y 轴朝上？不同传感器出来的数据，坐标系可能完全不同。
避坑指南：我曾经因为坐标系没对齐，把两个点云叠在一起做融合，结果形状完全错位。后来养成了习惯：拿到数据第一件事，先可视化看看坐标系朝向。
2.2.2 RGB 颜色——皮肤
很多激光雷达不仅能测距离，还能同步采集颜色信息。每个点除了 XYZ，还附带 (r, g, b) 三个通道。颜色信息对后续的语义分割、目标识别非常有帮助。
举个例子：你在做道路场景的点云分割时，地面通常是灰色或黑色，而车辆可能是红色、白色。有了 RGB，分类算法就多了一个强有力的特征。
2.2.3 强度值——隐藏的“指纹”
强度（Intensity）是激光雷达特有的属性。它表示目标物体对激光的反射强度。不同材质反射率不同：金属反射强，沥青反射弱。
我记得有一次做路面标线提取，单纯靠 XYZ 和 RGB 很难把白色标线从灰色路面里分出来。但一看强度值——标线的反射强度明显高于路面。这就是强度值的妙用。
| 属性 | 含义 | 典型用途 |
|---|---|---|
| XYZ | 三维空间坐标 | 几何重建、定位 |
| RGB | 红绿蓝颜色值 | 语义分割、可视化 |
| Intensity | 激光反射强度 | 材质分类、标线提取 |
2.3 常见数据格式——选对格式，事半功倍
点云数据格式五花八门，但最常用的就三种：PCD、PLY、LAS。我一个个说。
2.3.1 PCD 格式——Point Cloud Library 的亲儿子
PCD 是 PCL（Point Cloud Library）的标准格式。它的特点是：简单、灵活、支持多种数据类型。
PCD 文件分为头部和数据体两部分。头部描述了点云的属性：点数、维度、数据类型等。数据体就是实实在在的点数据。
# 一个典型的 PCD 文件头部
VERSION .7
FIELDS x y z rgb
SIZE 4 4 4 4
TYPE F F F F
COUNT 1 1 1 1
WIDTH 1000
HEIGHT 1
POINTS 1000
DATA ascii
0.1 0.2 0.3 4294967295
0.4 0.5 0.6 4278190080
...我的建议：如果你用 PCL 库做开发，直接用 PCD 格式最省心。它读写速度快，而且支持二进制和 ASCII 两种存储方式。调试阶段用 ASCII，方便肉眼检查；正式部署用二进制，节省空间。
2.3.2 PLY 格式——图形学界的通用语
PLY（Polygon File Format）最初是为斯坦福的图形学项目设计的。它比 PCD 更强大——不仅能存点云，还能存三角网格、多边形。
PLY 也分头部和数据体。头部用 element 关键字定义数据元素，比如顶点、面片。每个元素可以带多个属性。
ply
format ascii 1.0
element vertex 1000
property float x
property float y
property float z
property uchar red
property uchar green
property uchar blue
element face 0
property list uchar int vertex_indices
end_header
0.1 0.2 0.3 255 0 0
0.4 0.5 0.6 0 255 0
...我在项目中遇到过：从三维扫描仪导出的数据，默认就是 PLY 格式。如果你要做网格重建，PLY 是首选，因为它能同时保存点和面。
2.3.3 LAS 格式——测绘行业的标配
LAS 是 ASPRS（美国摄影测量与遥感学会）制定的标准格式，主要用于机载激光雷达（LiDAR）数据。它的特点是：标准化程度高、信息丰富。
LAS 格式除了 XYZ 和强度，还包含分类信息（地面、建筑、植被等）、回波次数、扫描角度等。这些信息对地形建模、林业调查非常有用。
| 格式 | 主要应用领域 | 优点 | 缺点 |
|---|---|---|---|
| PCD | 机器人、计算机视觉 | 读写快、PCL 原生支持 | 通用性不如 PLY |
| PLY | 计算机图形学、三维建模 | 支持网格、属性丰富 | 文件体积较大 |
| LAS | 测绘、地理信息系统 | 标准化、信息完整 | 解析复杂、工具较少 |
2.4 知识体系总览
下面这张图，是我梳理的点云数据基础的知识结构。你可以把它当作本章的“地图”。
2.5 小结与个人经验
好了，这一节的内容就这些。总结一下：
- 点云定义：三维空间中的离散点集合，是三维感知的基础数据形式。
- 表示方法：XYZ 是骨架，RGB 是皮肤，强度是隐藏的指纹。三者结合，信息量远超单纯的坐标。
- 数据格式：PCD 适合开发调试，PLY 适合图形学处理，LAS 是测绘行业标准。选对格式，能省不少事。
最后分享一个我自己的习惯：不管拿到什么格式的点云，第一件事就是写个小脚本，把数据的基本信息打印出来——点数、坐标范围、是否有颜色和强度。这一步花不了 5 分钟，但能避免后面 80% 的坑。
一句话总结：点云数据看似简单，但坐标系、属性、格式这些细节，决定了你后续处理的成败。别嫌基础，打好地基才能盖高楼。
公众号:蓝海资料掘金营，微信 deep3321