第一章：点云基础——从零认识三维世界的“像素”
大家好，我是你们这门课的主讲。在正式开始之前，我想先聊聊一个最基础的问题：点云到底是什么？
说白了，点云就是三维空间里一堆点的集合。每个点都带着自己的坐标（X, Y, Z），有时候还带着颜色、强度之类的附加信息。你想想看，我们平时看到的照片是二维的，由像素组成；而点云就是三维的“像素”，只不过这些像素是悬浮在空间里的。
我记得刚入行那会儿，第一次看到激光雷达扫出来的点云数据，密密麻麻的，像星空一样。当时我就想：这玩意儿要是能直接看懂，那自动驾驶、三维重建不都简单了？嗯，后来发现没那么简单，但点云确实是理解三维世界的基石。
1.1 点云数据格式：PCD、PLY、LAS
点云数据存成什么格式？这问题我经常被问到。目前主流的有三种：PCD、PLY 和 LAS。它们各有各的脾气。
| 格式 | 全称 | 特点 | 常见场景 |
|---|---|---|---|
| PCD | Point Cloud Data | PCL库原生格式，支持ASCII和二进制，读写快 | 科研、PCL项目 |
| PLY | Polygon File Format | 支持顶点和面片，可带颜色、法向量 | 三维扫描、图形学 |
| LAS | LASer | 工业标准，支持分类、强度、回波等属性 | 测绘、LiDAR点云 |
PCD 是我个人最常用的格式。为什么？因为PCL（Point Cloud Library）就是它亲爹，读写接口特别友好。你写个 pcl::io::loadPCDFile 就能把数据拉进来，省心。
PLY 呢，更偏向图形学。如果你做三维重建，最后要导出带网格的模型，PLY是首选。它既能存点，又能存三角面片，还能存颜色。我在做文物数字化项目时，就经常用PLY格式保存扫描结果。
LAS 是测绘领域的“老大哥”。它里面存的东西特别全：每个点的分类（地面、植被、建筑）、回波次数、强度值……嗯，如果你做林业或者地形分析，LAS格式基本绕不开。
1.2 点云获取方式：LiDAR vs 深度相机
点云从哪来？主要有两条路：LiDAR（激光雷达）和深度相机。这两者差别挺大，我分别说说。
LiDAR（激光雷达）
LiDAR的原理很简单：发射激光，测量反射回来的时间，算出距离。它扫出来的点云精度高、范围远，但价格也贵。自动驾驶车上顶着的那个“小帽子”，就是LiDAR。
我记得有一次做室外场景重建，用了一台16线LiDAR。扫出来的点云密密麻麻，连树叶的缝隙都能看清。但问题来了——LiDAR数据量太大，一帧可能上百万个点，处理起来电脑风扇呼呼转。
深度相机
深度相机（比如Intel RealSense、Kinect）就亲民多了。它通过结构光或ToF（飞行时间）技术获取深度图，再转成点云。优点是便宜、帧率高，适合室内场景。缺点是精度不如LiDAR，而且受光照影响大——大太阳底下基本废了。
我建议：室外大场景用LiDAR，室内小场景用深度相机。如果你只是做算法验证，深度相机完全够用；但如果是工程落地，LiDAR更靠谱。
1.3 点云可视化基础：Open3D
拿到点云数据，第一件事是什么？可视化。你看不见数据，怎么知道它长什么样？
Open3D 是我最推荐的点云可视化工具。它轻量、跨平台、API设计得特别人性化。不像PCL，装个库都要折腾半天。Open3D 一行 pip install open3d 就搞定。
下面我写个最简单的可视化代码，你感受一下：
import open3d as o3d
# 读取点云文件
pcd = o3d.io.read_point_cloud("example.pcd")
# 可视化
o3d.visualization.draw_geometries([pcd])
就三行代码，点云就出来了。你可以用鼠标旋转、缩放、平移，交互体验很好。
如果你要显示多个点云，或者加点颜色、法向量，也很简单：
import open3d as o3d
import numpy as np
# 生成随机点云
points = np.random.rand(1000, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
# 给点云上色（红色）
pcd.paint_uniform_color([1, 0, 0])
# 可视化
o3d.visualization.draw_geometries([pcd])
嗯，这里要注意：Open3D 默认的坐标系是右手系，X轴向右，Y轴向上，Z轴朝外。如果你从其他工具导出的点云坐标系不一样，记得先转换一下。
本章知识体系
为了让你更直观地理解本章内容，我画了一张结构图。它把点云基础的核心脉络串起来了：
这张图把本章的三个核心模块串起来了：数据格式（PCD/PLY/LAS）、获取方式（LiDAR/深度相机）、可视化工具（Open3D）。它们共同构成了点云处理的基础设施。
好了，第一章就到这里。内容不多，但都是实打实的基础。你把这些概念吃透了，后面学分割、识别才会顺手。记住：基础不牢，地动山摇。