人类始终在追求用更为精确的方式来捕捉、描述和表达复杂的现实世界。感知能力是人类对复杂现实世界进行认知和理解的基础。何为感知？“感”是指通过感官接收客观世界的信息，“知”则是基于这些信息形成对现实世界的初步认识。“感”在不同的阶段具有不同的含义。在古代，“感”体现为人类通过自然感官（如视觉、听觉、触觉等）来理解和解释客观世界。古代人们已经使用类似“点云”的概念来描绘世界，例如古代著名军事家马援“聚米为山谷，指画形势”，通过堆积米粒来模拟山谷地形，并以此来制定战术战略，其中的米粒就可被视为构成地形的“点云”。但人的自然感知是有限的，其无法捕捉到遥远或复杂的信息，这限制了人类对地理空间的深入理解，往往只能进行基础的、列举式的空间描述。
随着科技的进步，先进的传感器技术、计算机视觉等机器感知手段逐渐取代人类的自然感知能力，这些技术实现了对环境更加全面、精确的感知，从而弥补了人类感知的局限性，“感”的含义也由自然感知转变为机器感知。ICT（信息与通信技术）的不断革新极大地丰富了地图的表达方式和手段，催生了三维化、实时性、多视角等地图泛表达需求。以木板地图、时刻地图、纸质地图等为代表的平面地图通过二维平面来表达地理对象，然而，当试图描述现实世界的三维结构时，这些传统地图存在明显的局限性。中国科学院院士、地图学与地理信息系统学家周成虎说：“点的云集掀开了人类观测世界的新篇章，重构了我们的世界。”“点云”的内涵随着感知技术的发展而不断扩展。通过激光扫描技术获取的点云，不仅具有三维空间位置信息，还包含属性信息，正逐渐成为继矢量地图和影像数据之后的第三类重要时空数据源，它在三维空间精细化描述方面具有重大意义。激光点云不仅丰富了地图的内涵和外延，也为现实世界的三维数字化提供了一种全新的手段。以激光扫描为“感”的基础，可以将“点云”分成“无感+无知”“无感+有知”“有感+无知”“有感+有知”四种形式。
第一种是“无感+无知”的“点云”。这种“点云”既不是通过激光扫描技术获得的，也没有反映人类对现实世界的初步认识，它通常在游戏中的粒子系统中有所体现。粒子系统通过计算机算法生成大量粒子，这些粒子的集合构成了“点云”，它常被用于模拟烟雾、火焰、雨滴等视觉效果。但这种“点云”是虚构的，更多的是从视觉角度模仿现实世界中的相应现象，而不是对现实世界的抽象理解。
第二种是“无感+有知”的“点云”。这类“点云”虽非源自实时激光扫描，但融合了人类对环境的深刻理解和认知。例如，传统山水画中的地图运用墨水点和素描手法，将山川河流、地形地貌转化为具有“点云”效果的艺术表现形式。沙画艺术亦是如此，通过在平面上用沙粒勾勒和堆砌，创造出地形和景观的微缩模型。这些艺术形式中的“点云”不仅展现了空间的层次和深度，也传递了丰富的视觉信息。
三维场景中雨滴的视觉效果，这种“点云”是虚构的 图/北京超图软件股份有限公司
第三种是“有感+无知”的“点云”。这类“点云”是通过激光扫描技术获得的原始数据。原始的激光点云数据精确地记录了物体表面的几何信息，每个数据点不仅代表一个具体的三维空间坐标，还携带了属性信息，例如反映激光辐射能力的强度信息、表征激光穿透能力的回波信息等。国内外有许多公开数据集提供这些精确的原始激光点云数据，它们是研究和开发的主要资源，例如国外的Semantic3D数据集和KITTI数据集，以及国内的杨必胜教授团队开发的WHU-TLS数据集等。但是，由于缺乏高层次的抽象和理解，这些原始激光点云仅仅是包含空间坐标及其相关属性，缺少对代表的实际物体或环境的具体描述，需进一步处理才能从中识别和提取出人工和自然要素。当前，点云目标的三维提取研究主要分为基于特征和基于深度学习两类方法。基于特征的方法依赖于特征描述子来识别和提取目标，但它们可能因现实世界中的遮挡、形态差异等复杂情况而受限;基于深度学习的方法依赖于充足的样本量和模型的泛化能力，样本量小或模型泛化能力差都可能会影响其在多变场景中的表现。大模型的出现在一定程度上弥补了以上不足。利用大模型强大的特征学习能力和高效的数据处理能力，可以更精准地提取点云的几何和纹理特征，从而实现在复杂场景中进行目标检测、分类和分割的功能。
原始道路激光点云数据，但它缺失语义信息 图/PandaSet 数据集官网
基于点云实例分割可区分杆塔和电力线对象 图/北京超图软件股份有限公司
第四种是“有感+有知”的“点云”。这里所指的“点云”是经过分类和分割处理后的激光点云数据。它不仅保留了原始的空间信息，还融入了分类和分割的结果，体现了对现实世界的初步认识。但即便是经过分类和提取的激光点云，依旧是离散的、无序的，并且包含冗余信息，这限制了它们表达目标结构及其拓扑关系的能力。如何将离散、无序且冗余的激光点云转化为具有明确结构和拓扑关系的几何基元组合模型，是点云技术后续应用的关键，也是三维地图制作的基础。深度学习技术能够从激光点云中提取线条、面和体等几何元素，而图论方法可以按照拓扑关系将这些几何元素组织起来构建三维模型。这种结构化的三维模型不仅能够精确反映目标的几何特征，还能表达其内部和外部的空间关系，从而在自动驾驶、智慧城市等领域的应用中提高效率和准确性。
原始道路激光点云数据，但它缺失语义信息 图/PandaSet 数据集官网
基于激光点云建模的室内外三维模型 图/北京超图软件股份有限公司
实际上，精确的环境感知和定位能力对于自动驾驶系统在复杂环境下的可靠导航至关重要。要实现这一目标，自动驾驶系统需依赖于激光雷达所提供的激光点云数据。通过对这些数据进行处理和分析，自动驾驶系统能够实时感知环境并进行计算。利用三维目标检测和点云分割算法，点云数据可以被转换为高精度地图，并且能够实时更新地图以反映环境变化，这些高精度地图不仅包含道路、交通标识等基本信息，还可识别和跟踪移动障碍物，预测其运动轨迹，并据此作出相应的导航决策。除实时感知环境外，点云数据还能用于获取车辆自身的高精度位置和姿态信息，这使得车辆能够准确地跟踪其在道路上的位置，并根据周围环境的变化随时调整行驶轨迹，从而确保车辆在复杂环境中的安全行驶。
在智慧城市建设中，多细节层次的三维城市模型是关键的空间数据基础设施。由于城市空间结构复杂，加之建筑物种类繁多且可能相互遮挡，仅通过人工交互建模等方式很难完整表达目标的细节。激光雷达不受阴影影响且具有高分辨率，此时点云便展现出巨大优势。利用激光雷达技术提取和分析建筑物的点云数据，再通过精确的配准和拟合，可以构建精确的三维模型。这些三维模型可以全面反映城市建筑、道路、桥梁等基础设施的全貌。不仅如此，激光点云数据还能实现室内外、地上地下、水上水下的三维信息整合，为复杂城市环境的分析和计算提供全面的信息支持。将这些重建的三维模型与地理信息系统(GIS)整合，可将传统的二维数字地图提升为三维数字地图。这种转变不仅提升了视觉效果，还能在城市规划、仿真、管理等领域发挥更加重要的作用。
随着硬件和软件技术的迭代更新，激光点云制图技术的应用正变得越来越广泛，它带来的创新和变革正推动各行各业向更高效、更智能的方向发展。激光点云制图不仅提高了地理信息的采集精度，还为城市规划、环境监测、交通管理等领域提供了强大的数据支持，成为促进社会进步和技术创新的主要力量。