3、传感器驱动与数据采集：使用ROS2驱动激光雷达、摄像头、IMU，实现数据可视化
好，咱们进入实战环节了。说实话，传感器驱动这块，是很多初学者最头疼的环节。你想想看，硬件买回来，线接好了，但ROS2就是认不出设备——这种抓狂的感觉，我太熟悉了。
这一章，我带你手把手搞定三种最常用的传感器：激光雷达（以RPLIDAR为例）、USB摄像头、以及IMU（以BMI088为例）。目标很明确：让它们能在ROS2里跑起来，并且你能在RViz里看到实时数据。
核心思路：ROS2的传感器驱动，本质上就是把硬件数据包转换成ROS2的消息类型。激光雷达转成LaserScan，摄像头转成Image，IMU转成Imu。说白了，就是做一层“翻译”。
3.1 激光雷达驱动：RPLIDAR实战
RPLIDAR系列（A1/A2/A3）在机器人圈子里用得非常多。我个人习惯先用lsusb确认设备是否被系统识别。插上USB转串口模块后，执行：
lsusb
# 你应该能看到类似 "CP2102 USB to UART Bridge Controller" 的设备如果看不到，先检查驱动。我记得有一次折腾了半小时，结果发现是USB线供电不足——RPLIDAR启动瞬间电流大，换根粗线就好了。
接下来安装官方驱动包。ROS2官方仓库里有一个slam_toolbox，但驱动本身推荐用rplidar_ros：
sudo apt install ros-humble-rplidar-ros
# 或者从源码编译
cd ~/ros2_ws/src
git clone https://github.com/Slamtec/rplidar_ros.git
cd ..
colcon build --packages-select rplidar_ros启动驱动前，需要配置串口权限。我建议把用户加入dialout组：
sudo usermod -a -G dialout $USER
# 然后注销重新登录启动节点：
ros2 launch rplidar_ros rplidar.launch.py这时候，你应该能看到/scan话题在发布。用ros2 topic echo /scan可以查看原始数据。但更直观的方式是打开RViz：
ros2 run rviz2 rviz2
# 添加 LaserScan 显示，选择 /scan 话题避坑指南：我曾经遇到过雷达数据只有一圈黑点，没有障碍物轮廓。后来发现是frame_id设置成了laser，但TF树里没有这个坐标系。解决办法是在launch文件里把frame_id改成base_laser，并确保TF发布正确。
3.2 USB摄像头驱动：从图像到话题
USB摄像头驱动，ROS2里最常用的是usb_cam包。安装很简单：
sudo apt install ros-humble-usb-cam启动前，先用v4l2-ctl看看摄像头支持哪些分辨率：
v4l2-ctl --list-formats-ext
# 你会看到类似 640x480, 1280x720 等分辨率列表我个人习惯用640x480，30fps。分辨率太高，CPU占用率飙升，而且对后续的SLAM算法来说，640x480已经够用了。
启动摄像头节点：
ros2 run usb_cam usb_cam_node_exe --ros-args -p video_device:=/dev/video0 -p image_width:=640 -p image_height:=480 -p framerate:=30检查话题：
ros2 topic list
# 应该能看到 /image_raw在RViz里添加Image显示，选择/image_raw话题。如果看到画面，恭喜你，驱动成功了。
注意：如果你用的是虚拟机，USB摄像头直通可能会出问题。我建议直接在实体机上操作，或者用Docker时加上--device=/dev/video0参数。
3.3 IMU驱动：BMI088的ROS2封装
BMI088是一款六轴IMU（三轴加速度计+三轴陀螺仪），常用于机器人姿态估计。驱动方式有两种：
- 直接I2C/SPI读取：适合嵌入式裸机开发
- 通过ROS2驱动包：适合我们这种做系统集成的场景
我推荐用bmi088_ros2这个包。安装方式：
cd ~/ros2_ws/src
git clone https://github.com/your-repo/bmi088_ros2.git
colcon build --packages-select bmi088_ros2启动前，需要配置I2C总线地址。BMI088的默认I2C地址是0x18（加速度计）和0x69（陀螺仪）。在launch文件里设置：
ros2 launch bmi088_ros2 bmi088.launch.py发布的话题是/imu/data_raw，消息类型是sensor_msgs/Imu。你可以用ros2 topic echo /imu/data_raw查看数据：
---
header:
stamp:
sec: 1234567890
nanosec: 123456789
frame_id: imu_link
orientation:
x: 0.0
y: 0.0
z: 0.0
w: 1.0
angular_velocity:
x: 0.01
y: -0.02
z: 0.03
linear_acceleration:
x: 0.05
y: 0.01
z: 9.81
---注意看，z轴的加速度是9.81，说明IMU水平放置，重力加速度被正确测量了。
经验之谈：IMU数据有零偏和噪声。我建议在静止状态下采集10秒数据，计算均值作为零偏补偿。这个步骤叫“IMU标定”，虽然不复杂，但能显著提升后续融合算法的精度。
3.4 数据可视化：在RViz中融合显示
三个传感器都驱动起来了，接下来就是见证奇迹的时刻——在RViz里同时看到激光雷达点云、摄像头画面、IMU姿态。
启动所有节点：
# 终端1：激光雷达
ros2 launch rplidar_ros rplidar.launch.py
# 终端2：摄像头
ros2 run usb_cam usb_cam_node_exe
# 终端3：IMU
ros2 launch bmi088_ros2 bmi088.launch.py
# 终端4：RViz
ros2 run rviz2 rviz2在RViz里，添加以下显示：
- LaserScan：选择
/scan话题，设置颜色为绿色 - Image：选择
/image_raw话题 - Imu：选择
/imu/data_raw话题，显示姿态箭头
如果一切正常，你会看到：
- 激光雷达扫描出的环境轮廓（点云）
- 摄像头实时画面
- IMU姿态箭头随设备转动而改变方向
核心要点：数据可视化不是终点，而是起点。你只有亲眼看到传感器数据是“活”的，才能放心地把它喂给后续的SLAM或融合算法。我见过太多人跳过这一步，结果算法跑起来才发现数据是错的——那才叫欲哭无泪。
3.5 本章知识体系
下面这张图，是我梳理的本章核心逻辑。你可以把它当作一个“传感器驱动地图”：
嗯，这张图把整个流程串起来了。从硬件到驱动，再到消息，最后到可视化，每一步都有坑，但每一步也都有解法。
3.6 常见问题与调试技巧
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| 激光雷达无数据 | 串口权限不足 | 加入dialout组，或sudo chmod 666 /dev/ttyUSB0 |
| 摄像头画面卡顿 | 分辨率过高或USB带宽不足 | 降低分辨率到640x480，或换USB3.0接口 |
| IMU数据全是零 | I2C地址错误或接线问题 | 用i2cdetect -y 1扫描总线，确认设备地址 |
| RViz中看不到TF | frame_id未正确设置 | 检查launch文件中的frame_id参数，确保与URDF一致 |
重要提醒：千万不要同时启动所有传感器而不做任何检查。我建议逐个启动，每个传感器都确认数据正常后，再启动下一个。这样出了问题，你能立刻定位到是哪个环节的故障。
好了，传感器驱动这块就讲到这里。你按照这个流程走一遍，应该能在半小时内让三个传感器都在RViz里“活”起来。下一章，我们会把这些数据用起来——开始做多传感器的时间同步和空间标定。
可可精品资料库