Compreender os dados do LiDAR: nuvem de pontos, formatos e ROS

O que é uma nuvem de pontos?

A nuvem de pontos é o formato de saída nativo de um sensor LiDAR. Cada ponto representa um disparo laser que atingiu uma superfície e regressou ao detetor. Uma nuvem de pontos típica contém 50 000 a 2,5 milhões de pontos por segundo dependendo do sensor.

Cada ponto transporta vários atributos: posição (x, y, z), intensidade do retorno, por vezes tempo de chegada e número do canal. Alguns sensores adicionam cor RGB, classificação ou número de eco.

Intensidade e refletividade

A intensidade mede a força do sinal retornado. Uma superfície branca reflete mais do que uma superfície preta. A intensidade ajuda a distinguir materiais mas não é calibrada absolutamente: depende da distância, ângulo de incidência e configurações do sensor.

Ecos múltiplos (multi-eco)

Um disparo laser pode atravessar uma folhagem parcial e atingir um ramo e depois o solo: obtêm-se dois retornos (first e last return). Os LiDARs multi-eco (RIEGL, alguns Ouster) registam até 5 retornos por disparo — essencial para cartografia florestal.

Os formatos de ficheiro comuns

PCD (PCL): formato aberto para robótica e perceção. LAS/LAZ (ASPRS): padrão geoespacial comprimido com classificação. PLY: suporta cor e normais para visão computacional. ROSbag: contentor ROS para gravação e repetição.

Os dados LiDAR no ROS

O ROS utiliza sensor_msgs/PointCloud2 para nuvens de pontos. Formato autodescritivo com campos x, y, z, intensity, ring, timestamp. Alguns sensores publicam também /scan (LaserScan) para 2D e /imu_raw para dados inerciais. A sincronização temporal é crítica para o SLAM.

Ruído e artefactos comuns

Pontos fantasmas em superfícies refletoras, ruído solar com luz solar intensa, chuva/nevoeiro criando pontos parasitas e efeitos de borda. A maioria dos SDKs inclui filtros: remoção de outliers, filtro por intensidade, limiar de distância e máscara FoV.

Do dado à informação

Segmentação (agrupar pontos do mesmo objeto), classificação (etiquetar: solo, edifício, veículo), tracking (associação temporal) e SLAM (correlacionar nuvens para construir um mapa). A escolha do formato depende da aplicação: LAS para cartografia, PointCloud2/ROS para robótica, PLY/PCD para IA.