4、传感器驱动对比：LiDAR驱动配置（Velodyne vs RoboSense）、Camera驱动、IMU/GPS融合驱动

传感器驱动，说白了就是自动驾驶系统的「眼睛」和「耳朵」怎么跟大脑对话。我这些年折腾过不少传感器，从Velodyne的HDL-64E到RoboSense的RS-LiDAR-32，再到各种工业相机和组合导航设备。说实话，每个厂家的驱动都有各自的脾气，配置起来坑也不少。

今天咱们就掰开揉碎了聊聊，Apollo和Autoware在这三块传感器驱动上到底怎么配、怎么调、怎么避坑。

4.1 LiDAR驱动配置：Velodyne vs RoboSense

激光雷达是自动驾驶的「主力眼睛」。Apollo和Autoware都支持主流品牌，但配置方式差别挺大。

4.1.1 Velodyne驱动配置

Velodyne的驱动在Apollo里叫velodyne_driver，在Autoware里叫velodyne_pointcloud。我个人习惯用Apollo的版本，因为它对多雷达同步支持得更好。

Apollo中的配置步骤：

1. 修改modules/drivers/velodyne/conf/velodyne.conf
2. 设置激光雷达型号（HDL-64E、VLP-16、HDL-32E）
3. 配置IP地址和端口号
4. 设置坐标系变换（通常为velodyne64到novatel）

# 在velodyne.conf中
model: VLP-16
frame_id: "velodyne16"
ip: "192.168.1.201"
port: 2368
scan_angle: 360
rpm: 600

嗯，这里要注意一个坑。Velodyne的默认IP是192.168.1.201，但如果你用的是多雷达系统，每个雷达的IP必须不同。我曾经在一个项目里忘了改IP，结果两个雷达的数据在ROS里打架，点云图直接糊成一团。

4.1.2 RoboSense驱动配置

RoboSense（速腾聚创）的雷达这两年越来越火，性价比确实高。但它的驱动配置跟Velodyne不太一样。

Autoware中的配置要点：

• 使用rslidar_sdk驱动包
• 需要配置config.yaml中的激光雷达参数
• 特别注意msop_port和difop_port的对应关系

4.2 Camera驱动配置

相机驱动看起来简单，但实际坑最多。为什么？因为相机参数太敏感了，曝光、白平衡、帧率，哪个调不好都影响感知效果。

Apollo的Camera驱动：

• 使用modules/drivers/camera模块
• 支持USB和GMSL接口相机
• 配置文件在conf/camera.conf

# camera.conf 核心参数
camera_name: "front_6mm"
camera_type: "usb_cam"
pixel_format: "yuyv"
image_width: 1920
image_height: 1080
frame_rate: 30
auto_exposure: false
exposure_time: 5000  # 微秒

我个人建议把auto_exposure关掉。为什么？因为自动驾驶场景变化太快，自动曝光会导致画面忽明忽暗，感知算法根本受不了。我一般手动设一个固定曝光值，比如白天5000微秒，晚上10000微秒。

Autoware的Camera驱动：

Autoware用的是ROS标准的usb_cam或gscam驱动。配置方式更灵活，但需要自己写launch文件。

4.3 IMU/GPS融合驱动

IMU和GPS的融合驱动，说白了就是给定位系统提供「加速度+角速度+位置」的原始数据。Apollo和Autoware都支持NovAtel、Honeywell等主流组合导航设备。

4.3.1 Apollo的IMU/GPS驱动

Apollo使用modules/drivers/gnss模块，支持NovAtel的OEM系列和Honeywell的HG系列。

配置要点：

1. 设置串口或网口通信参数
2. 配置IMU的安装位置（前轴中心、后轴中心等）
3. 设置GPS的更新频率（一般10Hz）
4. 配置IMU的角速度偏移校准

# gnss.conf 核心配置
gnss_type: "novatel"
serial_port: "/dev/ttyUSB0"
baud_rate: 115200
imu_frame_id: "imu"
gps_frame_id: "gps"
imu_rate: 100  # 100Hz
gps_rate: 10   # 10Hz

4.3.2 Autoware的IMU/GPS驱动

Autoware使用nmea_navsat_driver和imu_driver两个独立包。说实话，这种方式更灵活，但配置起来也更麻烦。

我踩过的坑：有一次在Autoware里配NovAtel的IMU，发现角速度数据一直飘。查了三天，最后发现是IMU的安装方向跟坐标系定义不一致。NovAtel的IMU默认Z轴向上，但Autoware的坐标系里Z轴是向下的。解决办法是在launch文件里加一个imu_tf变换。

4.4 传感器驱动对比总结

咱们用一张SVG图来总结一下这三大传感器驱动的核心逻辑：

说白了，传感器驱动配置的核心就三点：通信参数别搞错、坐标系要对齐、频率要匹配。你想想看，如果LiDAR的点云坐标系跟IMU的坐标系差了90度，那融合出来的定位数据能准吗？

我个人建议，刚开始接触Apollo和Autoware的朋友，先从LiDAR驱动入手。因为LiDAR的数据最直观，点云图出来了没，一眼就能看出来。Camera驱动次之，因为曝光参数需要反复调。IMU/GPS融合驱动最难，因为数据是抽象的，出了问题不容易定位。