第一章：点云数据获取——从物理世界到数字世界的桥梁
做点云处理这么多年，我始终觉得数据获取这一步最容易被忽视。很多人一上来就调算法、跑模型，结果发现效果不好，回头一查——原始数据就有问题。嗯，这坑我踩过不止一次。
说白了，点云数据获取就是把物理世界的三维信息变成数字信号。这个过程中，传感器就是我们的眼睛。今天咱们聊聊两种主流方案：激光雷达和RGB-D相机，顺便把文件格式也捋清楚。
1.1 激光雷达原理——用光丈量世界
激光雷达，英文叫LiDAR（Light Detection And Ranging）。它的核心原理其实很简单：发射激光束，打到物体上反射回来，通过测量飞行时间（TOF）算出距离。
核心公式：
距离 = (光速 × 飞行时间) / 2除以2是因为光走了个来回。
我个人习惯把激光雷达分成两类：
- 机械式激光雷达：通过旋转机构实现360°扫描。Velodyne的HDL-64E就是典型代表，64线，一圈能扫出几十万个点。我在做自动驾驶项目时用过它，效果确实好，但价格嘛...你懂的。
- 固态激光雷达：没有旋转部件，靠光学相控阵或MEMS微镜实现扫描。体积小、成本低，但视场角有限。现在很多量产车用的就是这种。
这里有个关键参数——线数。16线、32线、64线、128线...线数越多，点云越密，但数据量也越大。我曾经在项目里为了省成本用了16线雷达，结果在远距离目标检测时漏检率很高。后来换了32线，问题就解决了。所以选型时一定要想清楚你的应用场景。
避坑指南：我曾经遇到过激光雷达在强光下性能下降的问题。后来发现是没加滤光片。如果你在户外做项目，记得选带太阳光抑制功能的雷达。
1.2 RGB-D相机——看得见，摸得着
RGB-D相机，说白了就是能同时输出彩色图像和深度图像的相机。它不像激光雷达那样直接测距，而是通过其他方式算出深度。
主流方案有三种：
| 技术 | 原理 | 代表产品 | 优缺点 |
|---|---|---|---|
| 结构光 | 投射红外光斑，通过变形计算深度 | Kinect v1、Intel RealSense | 室内效果好，室外受干扰 |
| 飞行时间（TOF） | 发射红外脉冲，测量飞行时间 | Kinect v2、Azure Kinect | 速度快，精度一般 |
| 双目立体视觉 | 两个摄像头视差计算深度 | ZED、Intel T265 | 无主动光源，依赖纹理 |
你想想看，RGB-D相机和激光雷达最大的区别是什么？激光雷达是稀疏的、精确的；RGB-D是稠密的、但精度有限。我在做室内SLAM时，经常把两者融合使用——激光雷达提供精确的几何约束，RGB-D提供丰富的纹理信息。
注意：RGB-D相机的深度范围通常有限（0.5m-5m），超出这个范围数据就不可靠了。另外，在玻璃、镜面等透明或反射表面，深度数据会完全失效。我曾在项目里被这个坑过——一个玻璃茶几，RGB-D相机完全看不到它。
1.3 点云文件格式——数据怎么存？
拿到点云数据后，总得存下来吧。市面上常见的格式有三种：PCD、PLY、LAS。我一个个说。
1.3.1 PCD格式（Point Cloud Data）
这是PCL库的亲儿子格式。结构简单，读写快。它的文件头长这样：
# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z rgb
SIZE 4 4 4 4
TYPE F F F F
COUNT 1 1 1 1
WIDTH 640
HEIGHT 480
VIEWPOINT 0 0 0 1 0 0 0
POINTS 307200
DATA ascii
0.123 0.456 0.789 255 128 64
...我个人习惯用二进制格式存储，因为文件小、读写快。ASCII格式虽然可读性好，但数据量大，不适合大规模点云。
1.3.2 PLY格式（Polygon File Format）
PLY格式比PCD更通用，它不仅能存点云，还能存网格（Mesh）。斯坦福的兔子就是PLY格式的经典案例。
ply
format ascii 1.0
element vertex 8
property float x
property float y
property float z
element face 6
property list uchar int vertex_indices
end_header
0 0 0
1 0 0
1 1 0
0 1 0
0 0 1
1 0 1
1 1 1
0 1 1
4 0 1 2 3
4 4 5 6 7
...PLY格式支持自定义属性，比如法向量、颜色、透明度等。我在做三维重建时经常用PLY，因为它能同时保存点云和三角面片。
1.3.3 LAS格式（LASer）
LAS格式是地理信息领域的标准格式，主要用于机载激光雷达数据。它比PCD和PLY复杂得多，包含了很多元数据：
- 点坐标（X, Y, Z）
- 强度值（Intensity）
- 分类标签（地面、建筑、植被等）
- GPS时间戳
- 回波次数（单次、首次、末次等）
LAS格式的读写通常需要专门的库，比如libLAS或PDAL。我在做地形测绘项目时接触过它，一个LAS文件动辄几百MB，处理起来挺吃内存的。
我的建议：如果你只是做算法验证，用PCD就够了。如果要和三维建模软件交互，用PLY。如果做地理信息相关的工作，那就得用LAS。别在格式转换上浪费太多时间，PCL和Open3D都提供了方便的转换函数。
1.4 本章知识体系
说了这么多，我画张图帮你理一理思路：
这张图把本章的核心内容串起来了。你想想看，从传感器选型到数据存储，每一步都有讲究。选错了传感器，后面算法再牛也白搭；选错了格式，读写效率直接拉胯。
好了，第一章就聊到这儿。数据获取是点云处理的第一步，也是最重要的一步。下一章咱们聊聊点云预处理——怎么把原始数据变成能用的数据。
公众号:蓝海资料掘金营，微信deep3321