激光雷达（LiDAR）作为自动驾驶的“眼睛”，其性能直接关乎行车安全。要评估这双“眼睛”的好坏，需理解以下三个核心概念：有效点是真实世界的精确映射，是构成点云的基础；虚点则是系统的“幻觉”，由强光反射、恶劣天气或内部噪声引起，会严重干扰感知；而探测概率则量化了雷达成功捕捉真实目标的能力，是其“视力”清晰度的关键指标。

1. 有效点（Valid Point）
定义：激光雷达点云中，对应现实空间位置存在真实物体的点。简而言之，每一个有效点都代表了激光雷达成功探测到的一个真实物理表面。

有效点的集合构成了我们所说的点云（Point Cloud），它是对真实世界环境的一种离散化、数字化的精确映射。

作用： 在自动驾驶系统中，算法通过对有效点云的分析，可以识别出道路上的各种障碍物，如其他车辆、行人、自行车等，并估算它们的尺寸、位置和速度，从而规划出安全的行驶路径。 在同时定位与建图（SLAM）技术中，连续帧的有效点云被用来匹配和配准，以确定车辆自身的精确位置，并构建出周围环境的高精度地图。 因此，有效点的数量、密度、精度和分布均匀性，直接决定了激光雷达感知系统的性能上限。一个高性能的激光雷达系统，其首要目标就是尽可能多地生成高质量的有效点，以完整、准确地描绘出真实世界。

2.虚点（False Positive）
定义：激光雷达点云中，对应现实空间位置不存在真实物体的点。

产生原因：
虚点的产生源于多种复杂的物理和系统因素，主要可以归结为以下几类：
高反光表面 ：
当激光束照射到如交通指示牌、车牌照、尾灯或某些光滑金属表面等高反射率材料时，会发生强烈的反射。这种强反射信号可能会超出激光雷达接收器的线性响应范围，导致信号处理电路产生误判，从而在真实物体附近生成虚假的“鬼影”（Ghosting）点，或者使物体轮廓出现“膨胀”（Blooming）现象，即点云向四周扩散，形成比实际物体更大的虚像 。
镜面反射 ：
在光滑的表面（如水面、玻璃幕墙）上，激光束可能发生类似镜子的规则反射。如果反射光恰好被激光雷达的接收器捕获，系统会错误地认为激光束在反射路径的延长线上击中了一个物体，从而在该位置生成一个虚点。
环境干扰 ：
恶劣的天气条件是产生虚点的重要外部因素。例如，在雨、雪、雾、尘等天气中，空气中的水滴、雪花、雾气颗粒或灰尘会部分反射或散射激光束。这些微弱的回波信号可能被系统误认为是来自远处物体的有效回波，从而在空间中生成大量随机分布的噪点 。
系统内部噪声 ：
激光雷达作为一种精密的电子设备，其内部的电子元件（如探测器、放大器）会产生固有的热噪声和散粒噪声。此外，外部的电磁干扰（EMI），如来自5G基站、高压电线或其他车载电子设备的电磁波，也可能耦合到激光雷达的电路中，干扰其正常工作，从而产生虚假的探测信号 。

影响：
虚点的存在对自动驾驶系统的危害是多方面的。最直接的影响是可能导致目标检测算法的误检（False Positive）。一个孤立的虚点可能被算法识别为一个独立的障碍物，这会直接导致车辆的决策系统做出错误的判断，例如不必要的减速、刹车或转向，严重影响行车安全和流畅性。在SLAM应用中，虚点会破坏点云配准的准确性，导致定位漂移和地图构建失真。。在勾勒可行驶区域（Free Space）时，虚点会被错误地标记为不可通行的区域，从而不必要地缩小了车辆的可用路径 。因此，控制和降低虚点率是衡量激光雷达产品质量和可靠性的一个核心指标。

3. 探测概率（Probability of Detection, POD）
定义：激光雷达测量中形成有效点的概率（即 “probability of detection, POD”）。
它本质上衡量的是激光雷达这双“眼睛”的“视力”有多好，即在理想条件下，对于一个真实存在的物体，激光雷达能够成功探测到它并生成一个有效点的可能性有多大。一个高探测概率意味着激光雷达能够更可靠地发现目标，减少漏检（Missed Detection）的发生。
计算方法：
有效点数与理论探测点数的比值.。其公式如下：
$$POD = (有效点数) / (理论探测点数) $$ 这里的“有效点数”是指在特定测试条件下，激光雷达在目标物体上实际探测到的、符合质量要求的点的总数。而“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。