激光雷达（LiDAR）专业术语

本文列出激光雷达（LiDAR）的常见专业术语及其解释。

激光雷达（LiDAR）：Light Detection and Ranging 的缩写，即光检测和测距。通过发射激光束并接收反射光来测量距离，构建周围环境的三维模型。
激光（Laser）：激光雷达的发射光源，具有高方向性、高单色性和高亮度等特点，用于测量距离。
光斑（Spot）：激光束在目标物体表面的照射区域。光斑的大小和形状会影响激光雷达的测量精度。
反射率（Reflectivity）：物体反射激光光束的能力相对于入射光的强度的比例值，通常以百分比表示。
反射强度（Intensity）：激光脉冲经目标表面反射并被激光器接收到的回波能量。
TOF（Time of Flight）：飞行时间，通过测量激光脉冲从发射到返回的时间来计算距离。超声波测距就是最早使用 TOF 原理的应用。
FMCW（Frequency Modulated Continuous Wave）：调频连续波，通过比较发射和接收信号的频率差来测量距离。应用 FMCW 原理的 LiDAR 被称为“调频连续波激光雷达”，该技术可以实现更高的探测灵敏度和精度。
HDL（High Definition Lidar）：高分辨率激光雷达。
ROI（Region of Interest）：直译为“感兴趣区域”，又译为“精准感知区域”，指在图像或数据中需要重点关注的部分。在图像处理中，我们常常需要设置 ROI 来专注或者简化工作过程。
FoV（Field of View）：视场角，表示传感器覆盖的角度范围（以度为单位）。通常，LiDAR 传感器的性能是在水平和垂直视场中测量的。所以 LiDAR 的主要参数包括垂直视场角（Vertical FOV ）和水平视场角（Horizontal FOV）。
笛卡尔坐标（Cartesian Coordinate）：用于描述点云数据的坐标系统，以 X、Y、Z 轴表示。
球坐标（Spherical Coordinate）：另一种坐标系统，以距离、方位角和俯仰角表示点的位置。
方位角（Azimuth）：指激光束在水平面上的旋转角度（α），通常以正北方向为参考，范围为 0° 到 360°。它用于确定激光束在水平方向上的位置。
俯仰角（Elevation）：指激光束在垂直面上的倾斜角度（ε），范围通常为 -90° 到 +90°。它用于确定激光束在垂直方向上的位置。
RAE（Range-Azimuth-Elevation）：即“距离-方位角-俯仰角”模型，这是激光雷达常用的测量模型。
角度分辨率：是指激光雷达能够区分两个相邻目标的最小角度差，取决于激光雷达的波束宽度。影响角度分辨率的因素包括：
- 天线孔径大小：孔径越大，波束越窄，角度分辨率越高。
- 工作频率：频率越高，波长越短，波束宽度越窄，角度分辨率越高。
- 信号处理能力：高性能的信号处理算法可以提高角度分辨率。
DBSD（Digital Beam Steering Device）：数字波束转向设备，一种利用数字信号处理技术来精确控制光束方向的装置，广泛应用于光学通信、激光雷达、光学显示等领域。可提高扫描范围和分辨率，同时优化成本与外形。
机械式激光雷达：通过机械旋转部件（电机）实现扫描的激光雷达，具有较高的精度和稳定性。
固态激光雷达：无机械旋转部件的激光雷达，体积小、可靠性高。典型技术路线包括光相控阵（Optical Phased Array）和 Flash 面阵。
MEMS 激光雷达：采用微机电系统（MEMS）技术实现扫描的激光雷达，例如基于 MEMS 微振镜实现的激光雷达，也称为“混合固态”或“半固态”激光雷达。
单线激光雷达：激光源发出的线束是单线的雷达。内部只包含一个发射-接收单元，通常更为紧凑、轻便，成本更低，常用于扫地机器人、送餐机器人。
多线激光雷达：由多个发射器和接收器组成，通过电机的旋转，获得多条线束（例如 32 线、64 线、128 线等）。可以同时扫描多个方向，从而实现对目标物体更为精细的探测和识别，主要应用于无人驾驶领域。
人眼安全：是指激光雷达在工作时，其发射的激光不会对人眼造成伤害。激光雷达的人眼安全标准主要基于国际电工委员会（IEC）发布的 IEC 60825-1 标准，该标准将激光安全划分为 7 个等级，数字越小，安全性越高。汽车和机器人中使用的激光雷达通常能达到 Class 1 最高安全等级。
激光波长：激光雷达的激光波长是其核心参数之一，影响其性能、成本和安全性。目前市场上常见的激光雷达波长主要有 905nm 和 1550nm，它们各有优缺点，适用于不同的应用场景。
- 905nm 激光雷达：广泛应用于中短距离的场景，如机器人导航、室内环境监测等。
- 1550nm 激光雷达：更适合自动驾驶、复杂环境监测等对探测距离和安全性要求较高的场景。
激光回波（Laser Beam Return / Laser Echo）：是激光发射脉冲与目标物相互作用后会产生一个回波信号，而部分激光脉冲会继续前进与光程中的其他目标物体作用产生更多的回波信号，这些回波信号即激光回波。
回波强度（Return Intensity）：是指激光脉冲经目标表面反射并被激光器接收到的回波能量，又称为后向散射强度或能量。
多回波（Multi-Return）：是指一束激光在传播过程中，因遇到多个反射面或介质而产生多个返回信号的现象，常用于激光雷达中以获取更丰富的环境信息。
点云（Point Cloud）：由大量离散点组成的集合，包含三维坐标（X、Y、Z）以及反射强度等信息。原始点云经过预处理后通常以标准的二进制文件交换格式（LAS 或者 PCD 文件）存储，每个点除了包含 X、Y、Z 坐标信息，还包括点分类编号、回波强度值、回波编号、回波数目、扫描角度和颜色（RGB）等信息。
点云密度（Point Cloud Density）：单位面积上点的个数。它是描述激光雷达数据的一个重要指标，单位为：点/米²（point/m²）。影响点云密度的因素包括激光发射频率、角度分辨率、激光器-目标之间距离、入射角、目标材质及其表面反射率等。
点云特征（Point Cloud Feature）：点云数据中能够真实反映地物表面及边缘处特征的点、线、面等几何特征，是进行地物分类、识别和建模的重要参考。
- 从尺度上，点云特征可分为局部特征描述和全局特征描述。局部特征如法线、曲率等几何形状特征，全局特征如点的拓扑特征，都属于点云特征的描述和提取范畴。
- 从统计特征上，点云特征表现为点云密度，局部范围（如网格化后）内点云高程的均值、方差，不同地物表面点云的强度信息等。
点云滤波（Point Cloud Filtering）：通过自动或人机交互方式从点云数据中分离出地面点和非地面点的技术。一般认为，点云滤波是点云分类的预处理过程，高精度的点云滤波是基于点云进行数字高程模型（Digital Elevation Model，简称 DEM）生产的一道重要工序。
点云分类（Point Cloud Classification）：从点云中分离出一个或多个地物类别的点并对其进行类别标记的技术。根据分类前是否需要采样训练，可以分为监督分类（supervised classification）和无监督分类（unsupervised classification）。
点云分割（Point Cloud Segmentation）：是依据一定的相似性原则，将同类点聚集的技术。
点云拟合（Point Cloud Fitting）：是由离散的三维点坐标计算特征模型参数的技术。
点云简化（Point Cloud Simplification）：又称“基于点云的表面简化”。
点云精化（Point Cloud Refinement）：是提高点云数据质量或视觉效果的处理技术，常用于利用点云生成三维模型，或者对点云进行可视化渲染。
点云去噪（Point Cloud Denoising）：是降低和去除测量过程的点云数据表面噪声与离群点的技术。
点云配准（Point Cloud Registration）：是将两个或更多坐标系中的大容量三维空间数据点集转换到统一坐标系统中的数学计算过程，其关键是同名特征的获取和坐标转换参数的稳健计算。
脉冲测量（Pulse Measurement）：是通过测量发射和接收激光脉冲的时间差确定传感器和目标之间距离的方法。
激光扫描（Laser Scanning）：是主动、快速测量空间坐标的技术。
离散回波激光雷达（Discrete Return LiDAR）：是指记录有限次回波信号的激光雷达系统，通常记录首次回波、中间回波、末次回波。
全波形激光雷达（Full Waveform LiDAR）：是指按照回波返回时间序列，能够以很小采样间隔对激光回波信号进行连续数字化记录的激光雷达系统，可详细记录光斑范围内所有探测目标的垂直结构信息。
波形分解（Waveform Decomposition）：是通过特定算法对激光雷达波形进行处理，从中分离出光斑内各目标地物的回波信号，以提取其空间信息的过程。
波形特征提取（Waveform Feature Extraction）：是指激光雷达系统能够记录发射脉冲的能量分布（波形）和目标散射返回的能量分布（波形），利用波形采样点的能量分布，计算各种反映信号能量分布特征的度量参数，然后利用这些参数来提取相应的地物特征。
半波能量高度（Height of Median Energy, HOME）：是一种用于描述全波形激光雷达数据的特征参数，指波形能量一半所对应的高度位置到地面波峰位置的距离，取决于波形能量一半的高度和地面波峰的确定。
激光雷达百分位高度（LiDAR Height Percentile）：是激光雷达估算植被结构参数常用的变量，与植被高度及生物量密切相关。
激光截获指数（Laser Interception Index, LII）：是指植被冠层回波数与总回波数的比值，常用来反映植被的覆盖度。
有序点云：点云数据以规则的网格或矩阵形式排列，通常由深度图还原而成，点的顺序与图像的行列结构类似，便于快速查找相邻点信息。
无序点云：点云中的点没有特定的顺序，点的排列是随机的，点的顺序可以随意交换而不影响点云的整体信息。
深度图（Depth Map）：一种图像，其中每个像素值表示该像素对应物体与传感器之间的距离，通常用于表示场景的深度信息，可由激光雷达、立体视觉等技术生成。
三维重建：通过从多个视角获取的深度图或其他图像数据，重建出场景的三维模型，用于虚拟现实、增强现实和自动驾驶等领域。
PCL（Point Cloud Library）：一个开源的、跨平台的库，用于处理三维点云。
PCD（Point Cloud Data）：点云数据的文件格式之一，常用于 PCL 库。
LAS：点云数据的另一种标准二进制文件格式。
PCAP：一种文件格式，用于存储网络数据包捕获信息，常用于记录和分析激光雷达或传感器的原始数据流。
VTK（Visualization Toolkit）：一个开源的、跨平台的可视化工具包，用于三维计算机图形学、图像处理和可视化。
LidarView：由 Kitware 开发的开源软件，用于实时接收、记录、可视化和处理 3D 激光雷达数据，基于 ParaView 和 VTK 技术。支持 Velodyne、Ouster、Opsys 等多种激光雷达传感器。
CloudCompare：一款开源的三维点云和网格处理软件，支持点云可视化、过滤、配准、分割等操作，适用于大规模点云数据处理。
ROS（Robot Operating System）：一个开源的机器人软件框架，提供硬件抽象、通信机制和工具链，用于简化机器人应用程序的开发。
Foxglove Studio：一个开源的、跨平台的机器人数据可视化和调试工具，支持实时监控和分析机器人系统的传感器数据、控制指令和状态信息。
SLAM（Simultaneous Localization and Mapping）：即同时定位与地图构建，是机器人和无人驾驶领域的核心技术之一，通过传感器数据实时估计机器人或无人系统的位姿，并构建环境地图。
OpenGL（Open Graphics Library）：一个跨语言、跨平台的应用程序编程接口（API），用于渲染二维和三维矢量图形。
OpenCV（Open Source Computer Vision Library）：一个开源的计算机视觉库，包含数百种计算机视觉算法，支持图像处理、视频分析、对象检测等功能。
Eigen：一个高效的 C++ 模板库，用于线性代数、矩阵和向量运算，广泛应用于科学计算。
FLANN（Fast Library for Approximate Nearest Neighbors）：一个用于快速近似最近邻搜索的库，支持多种数据类型和距离度量，广泛应用于计算机视觉和机器学习。
高反：指高反射率物体对激光雷达信号的强烈反射。高反射率物体（如金属表面、玻璃等）会导致激光雷达接收到的回波信号过强，可能影响测量精度或导致误判。
串扰：指激光雷达系统中不同激光发射通道或接收通道之间的相互干扰。这种干扰可能会影响测量数据的准确性和可靠性，尤其是在多线激光雷达或多传感器系统中。
拖尾：指激光雷达接收到的回波信号在时间上出现延迟或扩散的现象。这种现象可能由目标物体的表面特性或激光雷达自身的光学系统不完善导致，会影响点云数据的质量。
鬼影：指在激光雷达点云数据中出现的虚假反射点或异常信号。这些信号并非来自实际目标物体，而是由于光学系统中的反射、折射或散射等现象引起的。
APD（雪崩光电二极管）：一种高灵敏度的光电探测器，用于激光雷达中接收反射光信号。APD 具有高增益和快速响应的特点，能够提高激光雷达的探测灵敏度。
SPAD（单光子雪崩二极管）：一种能够检测单个光子的高灵敏度光电探测器，适用于低光强环境下的激光雷达系统。
SiPM（硅光电倍增管）：一种基于硅材料的高灵敏度光电探测器，结合了 APD 和 SPAD 的优点，具有高增益和低噪声的特点，适用于激光雷达的高精度探测。
测远能力：指激光雷达对低反射率目标物（通常为 10% 反射率）的最远探测距离。
最近测量距离：指激光雷达能够输出可靠探测数据的最近距离，在这个距离以内的区域则称为“盲区”。
精度：指测量结果中随机误差大小的程度，反映测量结果的离散程度。精度越高，表示测量值越集中，误差越小。
准度：指测量值或预测值与实际值之间的接近程度，反映测量结果的正确性。准度越高，表示测量值越接近真实值。精度反映的是测量值的重复性和一致性，而准度反映的是测量值的准确性。两者都是衡量激光雷达性能的重要指标。