==== 点云 (Point Cloud) ====
**一、定义：**\\ 
**点云**是激光雷达输出的对三维空间获取的点的集合。它通过记录激光脉冲在物体表面的反射，将物理世界的几何形状转化为海量离散的空间坐标点，是自动驾驶环境感知、定位与高精地图构建的核心底层数据。\\
|  {{ :yanding:成像质量评价:工具:激光雷达:激光雷达-自动驾驶.png?500 |}}  |
^  自动驾驶场景的点云  ^
**基础构成要素：**\\
每一个孤立的“点”都承载了多维度的物理信息，通常包含以下核心属性：\\
**( 1 )空间坐标 (x,y,z)：**建立目标物的三维几何轮廓，是路径规划和避障的基础。\\
{{ :yanding:成像质量评价:工具:激光雷达:点云坐标系.png?400 |}}
该图展示了激光雷达的原始球坐标（距离 r、俯仰角 θ、方位角 φ）如何转换为点云的笛卡尔坐标（x,y,z），从而定义每个点在三维空间中的精确位置。\\

**( 2 )反射强度：**反映材质反射率。用于识别交通标线、路牌及区分不同路面材质。\\
{{ :yanding:成像质量评价:工具:激光雷达:点云-反射率.png?400 |}}
该图通过绿色的高反射区域（如人行横道线、车道线）与蓝色的低反射区域（如沥青路面）的鲜明对比，直观展示了激光雷达点云的反射强度如何反映目标表面的材质差异。

**( 3 )时间戳：**记录点的精确采集时刻。用于多传感器融合及运动补偿，修正高速行驶中的点云畸变。\\
{{ :yanding:成像质量评价:工具:激光雷达:点云-时间.png?600 |}}
（图像来源：https://zhuanlan.zhihu.com/p/1903107340472919028）\\

**( 4 )回波属性：**记录脉冲的多次反射特征。用于在植被、雨雾及玻璃场景下实现“穿透”感知，过滤环境噪声，提升极端天气的安全性。\\
{{ :yanding:成像质量评价:工具:激光雷达:点云-回波.png?400 |}}
（图像来源：https://www.indie.inc/wp-content/uploads/2025/01/IND-0124-Microtech-Ventures-Whitepaper-LiDAR.pdf）\\
该图通过对比GMAPD 激光雷达（图 a）与高分辨率摄影测量（图 b）生成的点云，清晰展示了激光雷达的多回波属性 —— 它能穿透植被冠层，捕捉从地面到树冠的完整三维结构，而摄影测量只能获取冠层表面信息。

**三、评估点云质量的关键维度**\\
**( 1 )探测概率 (PoD)：**\\
指激光雷达测量形成有效点的概率，可通过点云中有效点数与理论探测点数的比值来计算。\\

“有效点”指激光雷达点云中，对应现实空间位置存在真实物体的点。\\
“理论探测点数”则是指根据激光雷达的角分辨率和扫描范围，理论上应该能够覆盖到该目标物体的点的总数。\\

**（2）虚点率**\\
指虚点数与理论探测点数的比值。\\

“虚点”指的是激光雷达点云中，对应现实空间位置不存在真实物体的点。\\