第一章：点云数据基础与传感器原理

大家好，我是你们这门课的主讲。在激光雷达这个行当摸爬滚打了快十年，踩过的坑比见过的点云还多。今天咱们开篇不讲虚的，直接聊点实在的——你手里那堆点云数据，到底是怎么来的？

1.1 激光雷达工作原理

说白了，激光雷达就是个“光学尺子”。它发射一束激光，打到物体上弹回来，通过计算时间差或者三角关系，算出距离。目前主流的有两种玩法：TOF和三角测距。

TOF（飞行时间法）

这个原理最直观。我打个比方：你对着山谷喊一声，听回声的时间就能估算距离。TOF激光雷达就是这么干的——发射激光脉冲，记录反射回来的时间，乘以光速再除以2，距离就出来了。

我在项目里用过Velodyne的64线雷达，就是典型的TOF方案。它的优势是探测距离远，能到200米以上，户外强光下也能工作。缺点嘛，成本高，而且对时间测量精度要求极高——光速是3×10⁸ m/s，你要测1厘米的精度，时间分辨率得做到67皮秒。嗯，这活儿不简单。

三角测距法

这个原理更“接地气”。激光发射器、物体、接收器（一般是CMOS相机）构成一个三角形。激光打到物体上，在接收器上成像的位置会偏移，通过几何关系就能算出距离。

我早期做室内机器人时用过这种方案。优点是近距离精度高，成本低，适合几十厘米到几米的范围。但一到户外，阳光一强，接收器就“瞎”了。你想想看，太阳光比激光强太多了，信噪比直接崩掉。

对比项	TOF	三角测距
测距范围	远（可达200m+）	近（通常<10m）
精度	厘米级	毫米级（近距离）
抗环境光	强	弱
成本	高	低

1.2 点云数据格式

拿到激光雷达数据后，怎么存？市面上常见的格式有三种：PCD、PLY、BIN。我一个个说。

PCD格式

这是Point Cloud Library（PCL）的亲儿子。文本格式可读性好，二进制格式体积小。我个人习惯用二进制PCD，因为读写快，而且PCL直接支持。

# .pcd文件头示例
VERSION .7
FIELDS x y z intensity
SIZE 4 4 4 4
TYPE F F F F
COUNT 1 1 1 1
WIDTH 1000
HEIGHT 1
POINTS 1000
DATA ascii
1.0 2.0 3.0 128
...

PLY格式

这个格式最早是斯坦福大学搞出来的，常用于三维模型。它支持顶点和面片，还能存颜色信息。如果你做点云可视化或者三维重建，PLY是个好选择。

BIN格式

说白了就是纯二进制，没有头文件，直接存float数组。KITTI数据集用的就是这种。好处是体积最小，读写最快。坏处是——你得自己知道数据排布。我曾经因为字节对齐问题，解析错了整整一周的数据，后来才发现是结构体没对齐。

1.3 点云坐标系与坐标变换

点云数据本身没有“方向感”，它只是一堆(x,y,z)坐标。但坐标系怎么定义，直接决定了后续处理的难度。

常见坐标系

• 激光雷达坐标系：通常以雷达中心为原点，x轴朝前，y轴朝左，z轴朝上（右手系）。但不同厂家可能有差异，比如有些把z轴朝下。
• 车体坐标系：以车辆后轴中心为原点，x轴朝前，y轴朝左，z轴朝上。
• 世界坐标系：通常是UTM坐标系或者经纬度，用于多帧拼接。

坐标变换

说白了就是矩阵乘法。一个点从激光雷达坐标系转到车体坐标系，需要旋转矩阵R和平移向量t。公式很简单：

P_car = R * P_lidar + t

但实际项目中，标定参数往往不准。我记得有一次，因为雷达安装支架变形，标定参数偏了0.5度，导致点云投影到图像上差了20个像素。嗯，调了三天才发现是机械问题。

1.4 常见开源数据集介绍

做深度学习，没有数据就是纸上谈兵。下面这三个数据集，我建议你至少玩熟一个。

KITTI

这是自动驾驶领域的“MNIST”。2012年发布，至今仍是基准。包含点云、图像、GPS/IMU数据。点云是64线Velodyne HDL-64E采集的，BIN格式。我入门时就是拿KITTI练手的，它的标注质量很高，但场景相对单一——主要在德国卡尔斯鲁厄市区。

nuScenes

这个数据集我特别喜欢。它用了32线激光雷达，但关键是有1000个场景，每个场景20秒，覆盖了波士顿和新加坡。它的标注包含23个类别，还有雷达和摄像头数据。我个人觉得，nuScenes的多样性比KITTI好很多。

Waymo Open Dataset

Waymo的数据集是“土豪”级别的。用了5个激光雷达（1个中距+4个近距），点云密度极高。它有1150个场景，每个场景20秒，标注了车辆、行人、自行车等。但有个问题——数据量太大，普通显卡根本跑不动。我建议先下个子集试试。

数据集	激光雷达	场景数	标注类别	格式
KITTI	64线	~15k帧	8类	BIN
nuScenes	32线	1000场景	23类	BIN+JSON
Waymo	5个雷达	1150场景	4类	TFRecord

好了，第一章的内容就到这里。点云的世界很大，咱们慢慢聊。记住，理解数据是怎么来的，比直接调模型重要得多。下一章，我会带大家亲手搭建一个点云处理环境，把KITTI数据读进来看看。