如何把 Livox 点云接入 3D 检测流水线：livox_ros_driver2 数据准备完整指南-迪斯科星球

如何把 Livox 点云接入 3D 检测流水线：livox_ros_driver2 数据准备完整指南

【免费下载链接】livox_ros_driver2Livox device driver under Ros(Compatible with ros and ros2), support Lidar HAP and Mid-360.项目地址: https://gitcode.com/GitHub_Trending/li/livox_ros_driver2

livox_ros_driver2是 Livox 第二代 ROS/ROS2 激光雷达驱动包，支持 HAP 与 Mid-360 系列雷达，能把雷达原始点云实时发布为 ROS 话题，是搭建PointPillars 3D 目标检测数据流水线的第一个关键环节。本指南带你从连接、参数配置到话题订阅，一步步把「干净、规整的点云数据」送进你的检测算法。

一、数据是怎么流动的：先看懂整条链路

在动手之前，理解数据流向能帮你少踩很多坑：

Livox 雷达 (以太网) → livox_ros_driver2 节点 → ROS 点云话题 (livox/lidar) → 你的 PointPillars 数据节点（订阅/转存/坐标变换）

驱动包内部由三个核心模块协作完成：

设备管理：src/lds.cpp 负责雷达连接与重连；
数据处理与转发：src/lddc.cpp 负责点云缓冲、格式转换与发布；
话题创建逻辑见 src/lddc.cpp，点云统一发布在livox/lidar话题（单话题模式）或livox/lidar_<雷达IP>（多话题模式）。

二、选择话题与点云格式（最关键一步）

驱动通过xfer_format参数决定点云以哪种格式发布，这直接影响下游 PointPillars 的数据节点怎么写：

xfer_format	格式	适用场景
0	Livox PointCloud2（`PointXYZRTLT`）	推荐。含强度、tag、线号、逐点时间戳，信息最全
1	Livox 自定义格式（`CustomMsg`）	带宽更省，适合高频录制原始数据
2	PCL 标准`PointXYZI`（仅 ROS1）	下游直接用 PCL 时最方便

格式 0 的字段结构如下，每个点自带时间戳，对做时间对齐非常友好：

float32 x, y, z # 坐标（米） float32 intensity # 反射强度 0.0~255.0 uint8 tag, line # Livox 标记 / 激光线号 float64 timestamp # 该点的时间戳

自定义格式的字段定义在 msg/CustomPoint.msg 和 msg/CustomMsg.msg。

💡 经验值：做检测数据准备优先选xfer_format=0；如果训练数据量大、想省存储空间，可以录制xfer_format=1再离线转换。

三、三个必调的核心参数

所有参数都在 launch 文件中配置，只需重点关注三个（详见 README.md 第 3.2 节）：

参数	作用	建议值
`xfer_format`	点云发布格式	0（PointXYZRTLT）
`publish_freq`	点云发布频率（Hz），默认 10.0	10.0（采集够用且不过载）
`multi_topic`	单话题（0）还是每雷达独立话题（1）	单机雷达用 0 即可

以 Mid-360 的 ROS2 launch 为例，参数集中在 launch_ROS2/rviz_MID360_launch.py 顶部，修改后保存即可：

xfer_format = 0 # 0-PointCloud2(PointXYZRTLT) publish_freq = 10.0 frame_id = 'livox_frame'

ROS1 用户对应参考 launch_ROS1/msg_MID360.launch，launch 文件清单（HAP/Mid360/混合，含 rviz 可视化版本）都列在 README.md 的表格中。

四、配置雷达连接：JSON 配置文件

雷达的 IP、端口、扫描模式等不写在代码里，而是由一个 JSON 配置文件管理，launch 文件通过user_config_path参数指向它。

HAP 配置：config/HAP_config.json
Mid-360 配置：config/MID360_config.json
HAP + Mid-360 混联配置：config/mixed_HAP_MID360_config.json

做检测数据准备时，重点关注lidar_configs里的四个字段：

字段	说明
`ip`	雷达 IP（默认`192.168.1.100`，主机 IP 建议`192.168.1.5`）
`pcl_data_type`	数据精度：1=32 位直角坐标（推荐），2=16 位，3=球坐标
`pattern_mode`	扫描模式，0 为不重复扫描
`extrinsic_parameter`	roll/pitch/yaw + x/y/z 外参，可在这里直接做雷达→车体坐标的粗对齐

🎯 小技巧：把外参直接写进extrinsic_parameter，点云出来时就已对齐到车体系，下游 PointPillars 就少一步坐标变换。

五、启动驱动并验证数据

ROS1（Noetic 为例）：

source /opt/ros/noetic/setup.sh source ../../devel/setup.sh roslaunch livox_ros_driver2 rviz_MID360.launch

ROS2（Humble 为例）：

source /opt/ros/humble/setup.sh source ../../install/setup.sh ros2 launch livox_ros_driver2 rviz_MID360_launch.py

rviz_*系列会自动打开 RViz（显示配置在 config/display_point_cloud_ROS2.rviz），能直观看到点云是否成帧、分布是否正常。随后在另一个终端确认话题：

ros2 topic hz /livox/lidar # 应约为 publish_freq 设定值 ros2 topic echo /livox/lidar --no-arr | head

如果 RViz 里点云不显示，先检查 Fixed Frame 是否为livox_frame（README.md FAQ 6.1 有说明）。

六、录制数据集：离线训练的基础

PointPillars 训练通常需要大批量离线数据，驱动内置了 bag 录制开关（rosbag_enable/enable_lidar_bag、enable_imu_bag），打开后驱动会自动订阅并落盘，省去额外部署记录节点。IMU 数据发布在livox/imu话题，对后续做时间戳对齐同样重要。

录制完成后，数据节点里要做的常规预处理：

坐标统一：把livox_frame的点云变换到你的基准系（若已在 JSON 里配好外参，此步可省）；
强度归一化：intensity取值 0~255，建议除以 255 归一化后喂给网络；
时间戳对齐：格式 0 提供逐点timestamp，可精确对齐多传感器数据；
Pillar 划分前：确认雷达安装高度，保证点云 z 轴范围落在网络配置的 height bin 内。

七、关键文件速查

文件	说明
README.md	完整使用手册（环境、构建、参数、FAQ）
config/HAP_config.json	HAP 雷达 JSON 配置
config/MID360_config.json	Mid-360 雷达 JSON 配置
msg/CustomPoint.msg	自定义点云字段定义
launch_ROS1/msg_MID360.launch	ROS1 启动示例
launch_ROS2/rviz_MID360_launch.py	ROS2 启动示例
src/lddc.cpp	点云处理与话题发布核心逻辑
src/call_back/livox_lidar_callback.cpp	雷达数据回调入口

八、常见问题速答

ROS2 启动报找不到liblivox_sdk_shared.so？把/usr/local/lib加入LD_LIBRARY_PATH（见 README.md FAQ 6.2）。
多雷达怎么接？在lidar_configs数组里追加对象即可，参考 config/mixed_HAP_MID360_config.json；多网卡场景见 README 第 4 节示例。
官方定位提醒：该驱动定位为调试/测试工具，量产场景建议在源码基础上自行优化（README 有明确说明）。

到这里，从雷达到 PointPillars 的数据链路就打通了：驱动负责「稳定出帧」，配置负责「对齐坐标」，录制负责「沉淀数据集」。剩下的，就是让算法在真实点云上跑起来 🚀

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析