犀牛派X1使用mid-360激光雷达(入门方法)

s6807 2026-10-03 17:43:03

简要概述:本文主要指导mid-360的入门使用,从驱动出点云,到利用FAST-LIO2建图,进而利用其导航避障等,给出了具体学习路线,让路径变得明晰。


 可以通过这个网页互动app来跟踪指导自己的学习进度,更加详细的指导尽在这里。

https://3015-01m3zj97tcq5bcpcsmkqr7z43t.sandbox.meoo.host/


1.准备工作

  • 保证本机为ROS2 Humble
  • 安装Ubuntu22.04
  • 把电脑网卡设置静态网段IP192.168.1.50(要和Mid-360在同一个网段)
  • 下载驱动功能包livox_ros_driver2-master,Livox-SDK2-master,查看点云程序LivoxViewer,rviz2
  • 下载适配算法Fast-Lio2

2.驱动出点云

  • 编译功能包,先改 MID360_config.json 里的 cmd_data_ip / push_msg_ip
    并编译livox_ros_driver2
    再编译Livox SDK2 
  • 详细终端命令见官方指导https://github.com/Livox-SDK/livox_ros_driver2
  • 终端驱动                                                                                                                                                                                启用fast lio2

    cd livox_ws
    source install/setup.bash
    [ros2 launch livox_ros_driver2  msg_MID360_launch.py]
    新开终端
    cd livox_ws
    source install/setup.bash
    ros2 launch fast_lio mapping.launch.py   (此时在rviz2可以看到点云)

  •  

    保存点云

    # 在算法运行时,另开终端录制
    ros2 bag record /cloud_registered /tf -o fastlio_mapping.bag

    或者保存pcd
    ros2 service call /map_save std_srvs/srv/Trigger

3.ROS2与TF骨架(开始进阶指导)

要理解机器人系统的『神经骨架』,TF树是整个导航栈的骨架

  • 学习ROS2的五大通信机制(话题/服务/动作/参数/节点)
  • 学会写节点(订阅,发布,定时器等)
  • TF2坐标变换树(map-odom-basel_link)
  • TF调试工具
  • URDF建模(机器人的仿真模型,含惯量与碰撞体)
  • 了解启动文件launch.py(可以一次性启动多个节点,省去手动一个一个启动)
    • ROS2_control (底盘硬件抽象层,实车电机驱动接入的标准方式)
  • 自定义msg/srv (以后的自动决策可以用)
  • 调试工具链(rqt_graph看节点连接,rqt_console看日志,ros2 topic echo/info)

4.SLAM建图

以下概念要了解,尤其一些关键参数要学会调整(config/mif360.yaml文件的参数)

  • 三维刚体运动,欧拉角
  • 卡尔曼滤波
  • IMU预积分
  • Ikd-Tree
  • FAST-LIO2流程(IMU预测-点云去畸变-迭代卡尔曼滤波-地图增量维护)
  • 同类算法(Fast-LIO/Piont-LIO/LIO-SAM/Fast-LIVO2)

5.定位  

一般流程:赛前建图-赛时加载先验地图-输出map-odom的TF-导航栈(几乎很少实时SLAM)

  • FAST_LIO_LOCALIZATION(最常用的Mid-360定位方案,支持先验PCD地图)
  • 初始位姿给定(rviz手动选点)
  • 重定位(ICP粗配准,粒子散点)
  • 2D降级(pointcloud_to_laserscan+AMCL+slam_toolbox)
  • 定位质量评估(TF抖动,协方差)
  • 里程计(来自激光点云+雷达内置IMU,原理:算法利用激光配准+IMU预积分紧耦合解算位姿)(也可以利用轮式里程计)

6.导航与避障

  • Nav2架构
  • 行为树BT
  • 全局规划器
  • 局部控制器
  • Costmap(二维栅格障碍物地图)
  • voxel_layer(体素层,直接接受原生3D点云)(避免把3D点云转换为二维激光丢失大量三维信息,失去感知三维能力)
  • 底盘运动学
  • 速度与加速度限制(限制太高会打滑导致定位漂移,限制太低任务超时,实时测调)
  • 频率匹配

7.仿真 标定 工程化

  • Gazebo(仿真器)
  • 数字孪生工作流(即用仿真1 :1复刻真实场地来进行模拟验证)
  • 雷达等参数标定(IMU零偏,轮式里程计)
  • 时间同步(系统时间,雷达时间戳,bag时间三者对齐)
  • 参数管理(yaml分环境,launch参数切换)
  • 分布式通信(ROS_DOMAIN_ID隔离,DDS配置)
  • 一键启动(驱动+定位+导航+决策)
...全文
120 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文提出了一种基于灵敏度分析的有源配电网智能软开关(SOP)优化配置方法,旨在应对高比例分布式电源接入带来的电压波动与网络损耗加剧等问题。研究以IEEE33节点系统为算例,通过改进的灵敏度分析模型量化各节点对电压和功率流动的影响程度,进而构建SOP选址与定容的优化模型,实现降低网损、改善电压分布及提升系统运行灵活性的目标。全文详细阐述了灵敏度指标的数学推导、目标函数与约束条件的建模过程,并基于Matlab实现了完整的仿真求解流程,具备良好的工程实用性与学术参考价值。; 适合人群:电力系统及其自动化、电气工程等相关专业的硕士博士研究生、科研机构研究人员,以及从事智能配电网规划、运行与优化的工程技术人员。; 使用场景及目标:①研究分布式电源大规模接入背景下配电网的主动调控与优化策略;②指导智能软开关在实际配电网中的科学选址与容量配置;③为相关科研课题提供可复现的仿真案例,支撑学术论文撰写与算法验证。; 阅读建议:建议读者结合提供的Matlab代码与IEEE33节点标准模型进行动手实践,重点理解灵敏度指标的物理意义及其在优化模型中的应用逻辑,关注求解过程中的约束设置与算法收敛性,并可进一步拓展至SOP与储能联合配置、多时间尺度优化等复杂场景进行二次开发与研究。

7,908

社区成员

发帖
与我相关
我的任务
社区描述
本论坛以AI、IoT、PC 、XR、Auto等核心板块组成,为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页:https://qualcomm.csdn.net/
物联网人工智能开源 企业社区 北京·东城区
社区管理员
  • csdnsqst0050
  • chipseeker
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧