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。

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。
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。
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。
（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。
（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。