第2章：激光雷达基础
各位同学好，我是你们的机器人导航课讲师。今天我们来聊聊激光雷达——这个在机器人感知系统中堪称「眼睛」的关键传感器。
说实话，我最早接触激光雷达是在2018年做AGV项目的时候。那时候市面上能选的国产雷达还不多，价格也贵。现在不一样了，几百块钱就能买到不错的入门款。嗯，技术发展确实快。
2.1 激光雷达工作原理
激光雷达的核心任务就一个：测距。但怎么测，这里头有讲究。目前主流的有两种方法：TOF法和三角法。
2.1.1 TOF（飞行时间法）
TOF的原理特别直白——发射一束激光，等它打到物体上反射回来，记录这段时间差。光速是已知的，距离 = 光速 × 时间 / 2。
我打个比方：你对着山谷喊一声，听回声的时间就能估算距离。TOF就是干这个的，只不过用的是激光。
TOF的优势：
- 测量距离远，室内外都能用
- 精度高，误差通常在厘米级
- 受物体颜色影响小
但TOF也有短板。它需要精密的计时电路，成本相对高。另外，在强光环境下，太阳光里的红外成分会干扰测量。我去年做一个户外巡检项目时就吃过这个亏——大中午的，雷达数据直接飘了。
2.1.2 三角法
三角法的思路不一样。它用摄像头接收反射回来的激光光斑，通过光斑在成像平面上的位置偏移，结合激光器和摄像头的几何关系，用三角公式算出距离。
说白了，就是利用「视差」来测距。你想想看，物体离得近，光斑偏移就大；离得远，偏移就小。
个人经验：三角法雷达在短距离（0.1-6米）内精度很高，甚至能做到毫米级。但超过8米，精度就断崖式下降。所以它特别适合室内扫地机器人这类场景。
我曾经帮朋友调试一台三角法雷达，发现它测白色墙壁和黑色地毯的结果差了将近2厘米。原因很简单——黑色物体吸光，反射回来的光斑太弱，算法算不准。嗯，这是三角法的先天局限。
2.1.3 两种方法对比
| 对比项 | TOF法 | 三角法 |
|---|---|---|
| 测距范围 | 0.1-40米+ | 0.1-8米 |
| 精度 | 厘米级 | 毫米级（短距） |
| 抗环境光 | 一般 | 较弱 |
| 成本 | 较高 | 较低 |
| 典型应用 | 自动驾驶、户外导航 | 室内扫地机、服务机器人 |
2.2 常见型号与选型建议
市面上消费级激光雷达，绕不开两个品牌：思岚（RPLIDAR）和镭神（YDLIDAR）。我两个都用过，说说我的感受。
2.2.1 RPLIDAR系列
思岚的A系列是经典款。A1是入门，A2是主力，A3是高端。我个人最常用的是A2M8，性价比确实不错。
- RPLIDAR A1：三角法，6米范围，8000次/秒采样。适合预算有限的入门项目
- RPLIDAR A2M8：三角法，8米范围，16000次/秒。我目前的主力雷达
- RPLIDAR A3：TOF，25米范围，户外可用。适合需要室外导航的场景
避坑指南：我曾经在一个项目中选了A1做AGV导航，结果发现6米范围根本不够用——AGV速度稍快，转弯时雷达扫不到前方障碍物。后来换了A2M8才解决问题。选型时一定要留足余量。
2.2.2 YDLIDAR系列
镭神的产品线也很丰富。G系列主打性价比，X系列主打高性能。
- YDLIDAR G4：三角法，10米范围，采样率可调。价格比RPLIDAR A2便宜
- YDLIDAR X4：三角法，8米范围，360度扫描。适合做教学平台
- YDLIDAR TG15：TOF，15米范围，抗光能力强
我个人觉得，如果预算有限，YDLIDAR G4是个不错的选择。它的采样率虽然不如A2，但胜在便宜，做原型验证完全够用。
2.2.3 选型决策树
我一般按这个逻辑选雷达：
- 先看场景：室内还是室外？室外必须上TOF
- 再看距离：机器人最大速度 × 2 作为最小测距要求
- 最后看预算：500以内选三角法，1000以上考虑TOF
2.3 ROS2驱动安装与测试
好，理论说完了，咱们来点实际的。怎么让激光雷达在ROS2里跑起来？
2.3.1 安装驱动
以RPLIDAR为例，官方提供了ROS2驱动包。安装很简单：
# 创建工作空间
mkdir -p ~/lidar_ws/src
cd ~/lidar_ws/src
# 克隆驱动
git clone https://github.com/Slamtec/rplidar_ros.git
# 编译
cd ~/lidar_ws
colcon build --packages-select rplidar_ros
# 配置环境
source install/setup.bashYDLIDAR的驱动也类似：
git clone https://github.com/YDLIDAR/ydlidar_ros2_driver.git
colcon build --packages-select ydlidar_ros2_driver小技巧：我习惯把雷达的USB设备权限提前配好，不然每次都要sudo。执行 sudo chmod 666 /dev/ttyUSB0 或者写个udev规则，一劳永逸。
2.3.2 启动雷达
驱动装好后，启动雷达节点：
# RPLIDAR A2
ros2 launch rplidar_ros rplidar_a2m8_launch.py
# YDLIDAR G4
ros2 launch ydlidar_ros2_driver ydlidar_launch.py启动后，用 ros2 topic list 应该能看到 /scan 话题。这就是雷达数据。
2.3.3 可视化测试
光看数据不够直观，咱们用RViz2看看：
ros2 run rviz2 rviz2在RViz2里添加一个 LaserScan 显示，Topic选 /scan。如果一切正常，你会看到一圈红色的点云——那就是雷达扫出来的环境轮廓。
我第一次看到这个画面时还挺激动的。你想想看，一个旋转的小东西，就能把整个房间的轮廓画出来，确实神奇。
常见问题：如果RViz2里看不到点云，先检查雷达的USB线是否插牢。我遇到过好几次，线松了导致数据断断续续。另外，确认一下雷达的波特率设置——RPLIDAR A2默认是115200，YDLIDAR G4是512000，别搞混了。
2.4 本章知识体系
下面这张图总结了本章的核心逻辑，我画成了SVG，方便你理解：
这张图把本章内容串起来了。你从「激光雷达」出发，先理解两种工作原理，再根据场景选型，最后动手装驱动做测试。每一步都有坑，但每一步也都有方法。
好了，这一章就到这里。记住：雷达是机器人的眼睛，选对了、配好了，导航就成功了一半。
可可精品资料库