1. 课程导论与硬件准备

各位同学，欢迎来到《激光雷达与ROS2机器人开发实战》的第一章。

我是这门课的主讲，做了快十年的机器人系统集成。说实话，每次带新人入门，最头疼的不是代码，而是——硬件选错了，后面全白干。所以这一章，咱们先把底子打好。

激光雷达，说白了就是“用光测距”。但具体怎么测，市面上主流就两派：TOF（飞行时间法）和三角法。我当年刚入行时也搞混过，后来踩了坑才分清楚。

我的建议：做室内扫地机器人或小范围建图，选三角法就够了，便宜且近距离精度好。要做园区无人车或大空间SLAM，老老实实上TOF。

为什么会这样？你想想看，三角法本质上是几何相似三角形计算，物体越远，光斑偏移量越小，传感器分辨率跟不上，误差就爆炸了。TOF直接测光速飞行时间，物理上限高得多。

ROS2不是操作系统，它是一个分布式通信框架。我习惯把它理解成“机器人的神经系统”——各个传感器、算法模块、执行器通过话题（Topic）、服务（Service）、动作（Action）互相收发数据。

相比ROS1，ROS2最大的变化是去掉了Master节点，改用DDS（数据分发服务）做底层通信。这意味着：

我记得第一次用ROS2做多机器人协同，三台机器人各自发布里程计，ROS1时代还得配个Master做转发，ROS2直接DDS自动发现，省了不少事。

避坑指南：如果你之前用过ROS1，别急着把所有launch文件直接搬过来。ROS2的启动系统从roslaunch换成了Python-based的launch系统，参数传递方式也变了。我曾经花了一下午调试一个参数没传进去的问题，最后发现是ROS2的命名空间规则不一样。

下面这张图，是我个人总结的激光雷达SLAM学习硬件架构，你可以把它当作选型时的参考地图。

注意：RPLIDAR A1在强光直射下（比如阳光照进窗户）会出现大量噪点。如果你要在白天窗边测试，建议加遮光罩或换A2。

STM32系列：适合做底层电机控制、编码器读取、传感器数据采集。实时性好，但跑不了ROS2（资源不够）。我一般用STM32F407做运动学解算，然后通过串口把里程计发给树莓派。
树莓派4B/5：跑ROS2主节点、SLAM算法、可视化。建议至少4GB内存，8GB更稳。树莓派5的PCIe接口可以外接AI加速器，做视觉+激光融合。

我的组合建议：STM32做底层实时控制 + 树莓派做上层ROS2运算。两者通过UART或CAN通信。这样既保证了电机控制的实时性，又让SLAM算法有足够的算力。

驱动板的选择取决于你的电机类型和功率需求：

嗯，这里要注意：驱动板的逻辑电压和电机电压要分开供电。我曾经偷懒共用一个电源，结果电机启动瞬间把树莓派电压拉低，直接重启了。从那以后，我都是独立供电。