Point Cloud – đám mây điểm là một trong những dạng dữ liệu quan trọng nhất của công nghệ LiDAR, cho phép máy móc “nhìn” và nhận biết thế giới thực dưới dạng không gian 3D.

Nếu camera thông thường ghi lại hình ảnh bằng các điểm ảnh 2D, thì LiDAR có thể đo khoảng cách đến hàng nghìn, thậm chí hàng triệu điểm trong môi trường xung quanh. Kết quả là một tập hợp các điểm tọa độ trong không gian gọi là Point Cloud.

Vậy Point Cloud là gì? LiDAR tạo Point Cloud như thế nào? Dữ liệu này được sử dụng ở đâu trong tự động hóa, robot, giao thông và công nghiệp?

Hãy cùng HTG tìm hiểu từ nguyên lý cơ bản đến ứng dụng thực tế.

Mục lục

Point Cloud là gì?

Point Cloud, hay đám mây điểm, là tập hợp rất lớn các điểm dữ liệu được xác định trong không gian 3 chiều.

Mỗi điểm trong Point Cloud thường chứa các thông tin cơ bản:

X: tọa độ theo trục ngang.
Y: tọa độ theo trục dọc.
Z: độ cao hoặc khoảng cách.
Intensity: cường độ tín hiệu laser phản hồi.
RGB: màu sắc, nếu Point Cloud được kết hợp với camera.
Các thông tin bổ sung khác tùy loại cảm biến và hệ thống xử lý.

Nói đơn giản, nếu một vật thể ngoài đời có hình dạng 3D, LiDAR sẽ thực hiện rất nhiều phép đo khoảng cách để “lấy mẫu” bề mặt vật thể.

Mỗi phép đo tạo ra một điểm.

Hàng nghìn hoặc hàng triệu điểm được ghép lại sẽ tạo thành Point Cloud, từ đó máy tính có thể tái hiện hình dạng và vị trí của vật thể trong không gian.

Ví dụ dễ hiểu

Hãy tưởng tượng bạn đứng trước một chiếc ô tô trong nhà máy.

Camera có thể nhìn thấy:

“Đây là một chiếc ô tô.”

Trong khi đó, LiDAR có thể cung cấp thêm thông tin:

“Chiếc ô tô cách cảm biến 8,5 mét, rộng khoảng 1,8 mét, cao khoảng 1,5 mét và đang nằm ở vị trí này trong không gian.”

Đó chính là giá trị đặc biệt của dữ liệu 3D.

LiDAR tạo Point Cloud như thế nào?

Để hiểu Point Cloud, trước tiên cần hiểu cách LiDAR đo khoảng cách.

LiDAR là viết tắt của Light Detection and Ranging, sử dụng tia laser để đo khoảng cách giữa cảm biến và vật thể.

Quy trình cơ bản có thể mô tả qua 5 bước:

Phát laser → Laser gặp vật thể → Tín hiệu phản xạ → Tính khoảng cách → Tạo điểm 3D

Bước 1: LiDAR phát tia laser

Cảm biến LiDAR phát các xung laser ra môi trường xung quanh.

Tùy thiết kế, laser có thể được phát theo:

Một hướng cố định.
Nhiều hướng.
Góc quét ngang.
Góc quét ngang và dọc.
Trường nhìn 360°.

Các LiDAR 3D hiện đại có thể tạo ra số lượng phép đo rất lớn trong một khoảng thời gian ngắn.

Bước 2: Laser chạm vào vật thể

Khi tia laser gặp một vật thể như:

Người.
Tường.
Máy móc.
Cột.
Cây.
Mặt đường.

một phần năng lượng laser sẽ phản xạ trở lại cảm biến.

LiDAR sử dụng tín hiệu phản hồi này để xác định khoảng cách đến vật thể.

Bước 3: Tính khoảng cách

Một trong những nguyên lý phổ biến là Time of Flight – ToF.

Cảm biến xác định khoảng thời gian từ lúc phát tia laser đến khi nhận được tín hiệu phản hồi.

Về nguyên lý đơn giản:

Khoảng cách ≈ Vận tốc ánh sáng × Thời gian truyền / 2

Chia cho 2 vì tia laser phải thực hiện hai chiều chuyển động:

LiDAR → vật thể → LiDAR

Từ khoảng cách đo được và góc phát laser, hệ thống có thể xác định vị trí của điểm trong không gian.

Từ khoảng cách đến tọa độ X – Y – Z

Đây là bước quan trọng để biến dữ liệu đo khoảng cách thành Point Cloud 3D.

Giả sử LiDAR phát một tia laser theo một góc xác định.

Hệ thống biết:

Khoảng cách R.
Góc ngang θ.
Góc dọc φ.

Từ đó, bộ xử lý có thể chuyển đổi dữ liệu đo thành tọa độ:

X, Y, Z

Mỗi lần laser thực hiện một phép đo, hệ thống thu được một điểm.

Ví dụ:

Point 1: X = 2,1 | Y = 0,8 | Z = 1,2

Point 2: X = 2,2 | Y = 0,9 | Z = 1,3

Point 3: X = 2,3 | Y = 1,0 | Z = 1,4

Khi số lượng điểm tăng lên hàng nghìn hoặc hàng triệu, chúng tạo thành một đám mây điểm 3D.

Đây chính là Point Cloud.

Vì sao Point Cloud có thể biểu diễn thế giới 3D?

Điểm mạnh của Point Cloud nằm ở việc mỗi điểm không chỉ có vị trí mà còn có thể chứa nhiều thông tin khác.

Ví dụ, một Point Cloud có thể biểu diễn:

Hình dạng chiếc xe.
Biên dạng của robot.
Chiều cao của pallet.
Khoảng cách giữa hai vật thể.
Hình dạng của nhà xưởng.
Địa hình.
Chướng ngại vật.
Người đang di chuyển.

Khi phần mềm xử lý hàng triệu điểm cùng lúc, máy tính có thể xây dựng mô hình không gian 3D của môi trường.

Có thể hình dung:

Thế giới thực → LiDAR → Point Cloud → Phần mềm xử lý → Nhận thức 3D → Quyết định

Đây là nền tảng quan trọng cho nhiều hệ thống robot tự hành, AMR, AGV, giao thông thông minh và tự động hóa công nghiệp.

Point Cloud khác gì hình ảnh camera?

Đây là câu hỏi rất quan trọng khi lựa chọn công nghệ cảm biến.

Tiêu chí	Camera	LiDAR / Point Cloud
Dữ liệu chính	Hình ảnh 2D	Dữ liệu không gian 3D
Thông tin khoảng cách	Hạn chế	Có trực tiếp
Nhận biết hình dạng 3D	Cần xử lý thêm	Có sẵn dữ liệu chiều sâu
Hoạt động ban đêm	Phụ thuộc ánh sáng	Có thể hoạt động trong điều kiện thiếu sáng
Nhận diện màu sắc	Rất tốt	Không phải thế mạnh
Đo khoảng cách	Phụ thuộc thuật toán	Là chức năng cốt lõi
Ứng dụng	Vision, nhận dạng hình ảnh	Mapping, định vị, tránh vật cản, 3D perception

Điều đó không có nghĩa LiDAR thay thế hoàn toàn camera.

Trong nhiều hệ thống robot hiện đại, LiDAR và camera được sử dụng kết hợp.

Camera cung cấp thông tin về hình ảnh và màu sắc.

LiDAR cung cấp thông tin về khoảng cách và hình học không gian.

Khi kết hợp hai loại dữ liệu, hệ thống có thể có khả năng nhận thức môi trường toàn diện hơn.

Point Cloud Density là gì?

Một yếu tố quan trọng khi đánh giá LiDAR là mật độ điểm – Point Cloud Density.

Mật độ điểm càng cao, môi trường càng được lấy mẫu chi tiết.

Ví dụ, khi quét một bức tường:

Mật độ điểm thấp → bề mặt được biểu diễn thưa.
Mật độ điểm cao → bề mặt được biểu diễn chi tiết hơn.

Tuy nhiên, nhiều điểm hơn không đồng nghĩa lúc nào cũng tốt hơn.

Hệ thống cần cân bằng giữa:

Độ phân giải.
Tốc độ quét.
Khoảng cách phát hiện.
Trường nhìn.
Băng thông dữ liệu.
Năng lực xử lý.
Chi phí hệ thống.

Đối với từng ứng dụng, cần lựa chọn LiDAR phù hợp thay vì chỉ nhìn vào một thông số duy nhất.

Point Cloud được dùng để làm gì?

Point Cloud đang trở thành dữ liệu đầu vào quan trọng trong nhiều lĩnh vực công nghệ.

1. Robot AMR và AGV

Trong nhà máy và kho thông minh, LiDAR có thể giúp robot:

Phát hiện vật cản.
Nhận biết môi trường.
Xác định vị trí.
Lập bản đồ.
Điều hướng.
Tránh người và phương tiện.
Hỗ trợ vận chuyển tự động.

Đặc biệt với AMR, dữ liệu Point Cloud có thể được sử dụng cùng thuật toán SLAM – Simultaneous Localization and Mapping để robot vừa xây dựng bản đồ vừa xác định vị trí của chính nó.

2. Robot tự hành

Robot tự hành cần khả năng nhận biết môi trường 3D để đưa ra quyết định chuyển động.

Point Cloud giúp robot xác định:

“Ở phía trước có gì?”

“Vật thể cách robot bao xa?”

“Có đường đi nào an toàn?”

“Chướng ngại vật đang di chuyển hay đứng yên?”

Từ dữ liệu này, bộ điều khiển và phần mềm AI có thể xây dựng chiến lược di chuyển phù hợp.

3. Giao thông thông minh

LiDAR 3D có thể được ứng dụng trong:

Phân tích giao thông.
Đếm phương tiện.
Theo dõi người đi bộ.
Phát hiện phương tiện.
Giám sát khu vực.
Hỗ trợ hệ thống giao thông thông minh.

Ưu điểm của dữ liệu 3D là hệ thống không chỉ biết có vật thể, mà còn có thể xác định vị trí và chuyển động của vật thể trong không gian.

4. Mapping và khảo sát 3D

LiDAR có thể tạo Point Cloud để:

Khảo sát nhà xưởng.
Đo địa hình.
Quét công trình.
Tạo bản đồ 3D.
Kiểm tra hiện trạng.
Digital Twin.

Đây là một trong những nền tảng quan trọng để chuyển môi trường vật lý thành dữ liệu số.

Point Cloud trong Digital Twin

Một trong những hướng phát triển đáng chú ý là kết hợp LiDAR + Point Cloud + Digital Twin.

Quy trình có thể được mô tả:

Môi trường thực → LiDAR quét → Point Cloud → Mô hình 3D → Digital Twin

Thay vì chỉ quan sát nhà máy bằng mắt, doanh nghiệp có thể xây dựng dữ liệu không gian số của nhà máy.

Dữ liệu này có thể hỗ trợ:

Quản lý tài sản.
Kiểm tra hiện trạng.
Tối ưu layout.
Mô phỏng robot.
Quy hoạch dây chuyền.
Giám sát thay đổi.
Tối ưu vận hành.

Đối với các nhà máy đang chuyển đổi sang Smart Factory, đây là một hướng ứng dụng rất đáng quan tâm.

Point Cloud có phải là mô hình 3D không?

Không hoàn toàn.

Point Cloud là tập hợp các điểm dữ liệu 3D.

Mô hình 3D có thể được xây dựng từ Point Cloud thông qua các bước xử lý tiếp theo.

Ví dụ:

LiDAR → Point Cloud → Filtering → Segmentation → Registration → Surface Reconstruction → 3D Model

Trong đó, phần mềm có thể:

Loại bỏ điểm nhiễu.
Phân tách vật thể.
Ghép nhiều lần quét.
Nhận dạng mặt phẳng.
Tái tạo bề mặt.
Xây dựng mô hình 3D.

Vì vậy, Point Cloud có thể xem là lớp dữ liệu nền tảng để xây dựng nhiều dạng mô hình không gian 3D.

Những yếu tố cần quan tâm khi chọn LiDAR

Không phải LiDAR nào cũng phù hợp với mọi ứng dụng.

Khi lựa chọn LiDAR cho robot hoặc hệ thống tự động hóa, doanh nghiệp nên xem xét ít nhất:

1. Tầm quét

LiDAR cần phát hiện vật thể ở khoảng cách bao nhiêu?

2. Field of View – FOV

Cảm biến cần quan sát:

90°?
120°?
180°?
270°?
Hay 360°?

3. Độ phân giải

Độ phân giải càng cao thì khả năng phân biệt các chi tiết nhỏ càng tốt, nhưng dữ liệu cũng tăng lên.

4. Tần số quét

Robot di chuyển nhanh cần cảm biến có khả năng cập nhật dữ liệu đủ nhanh.

5. Mật độ điểm

Đây là yếu tố quan trọng đối với nhận diện vật thể và tái tạo môi trường 3D.

6. Độ chính xác

Với các ứng dụng đo lường, mapping hoặc định vị, độ chính xác của dữ liệu là yếu tố then chốt.

7. Khả năng hoạt động ngoài trời

Đối với ứng dụng ngoài trời cần quan tâm đến:

Ánh sáng môi trường.
Mưa.
Bụi.
Nhiệt độ.
Khả năng chống nước và bụi.
Khả năng chống nhiễu.

LSLiDAR – nền tảng cảm biến cho các ứng dụng 3D

Trong hệ sinh thái LiDAR, LSLiDAR phát triển các giải pháp cảm biến phục vụ nhiều bài toán từ robotics, autonomous driving, intelligent transportation đến công nghiệp và mapping.

Điểm quan trọng khi triển khai LiDAR không chỉ nằm ở bản thân cảm biến.

Một hệ thống hoàn chỉnh cần kết hợp:

LiDAR + Point Cloud + thuật toán xử lý + phần mềm + bộ điều khiển + ứng dụng thực tế.

Đây cũng là cách HTG tiếp cận các giải pháp công nghệ: không chỉ cung cấp thiết bị mà tập trung vào bài toán ứng dụng và khả năng tích hợp vào hệ thống tự động hóa.

Kết luận: Point Cloud chính là “nguyên liệu” của thế giới 3D

Nếu camera giúp máy tính “nhìn thấy hình ảnh”, thì LiDAR giúp hệ thống “cảm nhận không gian”.

LiDAR phát laser, thu tín hiệu phản hồi, tính khoảng cách và chuyển đổi dữ liệu thành các tọa độ X – Y – Z.

Hàng nghìn, hàng triệu điểm kết hợp lại tạo thành Point Cloud.

Từ Point Cloud, hệ thống có thể tiếp tục thực hiện:

3D Perception → Object Detection → Mapping → Localization → SLAM → Navigation → Automation

Đó là lý do Point Cloud đang trở thành một trong những dạng dữ liệu quan trọng trong thế hệ robot tự hành, nhà máy thông minh, giao thông thông minh và Digital Twin.

Và nếu doanh nghiệp đang bắt đầu tìm hiểu LiDAR, câu hỏi quan trọng không chỉ là: “LiDAR này có bao nhiêu điểm?”

mà cần đặt câu hỏi lớn hơn: “Dữ liệu Point Cloud này sẽ được sử dụng để giải quyết bài toán gì trong hệ thống của chúng ta?”

Đây mới là yếu tố quyết định việc lựa chọn cảm biến LiDAR và thiết kế giải pháp phù hợp.

HTG – Lắng nghe sản phẩm | Thấu hiểu giải pháp | Đáp ứng dịch vụ

Bạn đang tìm hiểu LiDAR cho robot, AMR/AGV, Smart Factory hoặc hệ thống tự động hóa? Hãy liên hệ HTG để được tư vấn lựa chọn cảm biến LiDAR theo đúng tầm quét, FOV, độ phân giải, mật độ điểm và bài toán ứng dụng thực tế.

Hotline: 0777 818 292
Email: info@htg-group.com.vn

FAQ – Câu hỏi thường gặp về Point Cloud và LiDAR

Point Cloud là gì?

Point Cloud là tập hợp các điểm dữ liệu trong không gian 3D, thường chứa tọa độ X, Y, Z và có thể kèm theo cường độ phản xạ, màu sắc hoặc các thông tin khác.