第4章 传感器驱动集成：LiDAR驱动配置（Velodyne/RS-LiDAR）、摄像头驱动配置（USB/Camera）、IMU/GPS驱动配置、传感器标定基础

好，咱们进入第四章。这一章，说白了就是让Autoware的「眼睛」和「耳朵」能正常工作。

传感器驱动集成，是整个系统搭建里最磨人的环节之一。我见过太多团队，算法调得飞起，结果一上车发现雷达不出点云、摄像头黑屏、IMU数据乱跳……嗯，那场面，相当尴尬。

所以这一章，咱们把每个传感器的驱动配置掰开揉碎，讲清楚。你跟着我的节奏走，能少踩很多坑。

4.1 LiDAR驱动配置：Velodyne与RS-LiDAR

LiDAR是自动驾驶的「主力眼睛」。目前主流的两大派系，一个是Velodyne（老牌劲旅），一个是RS-LiDAR（国产新贵）。驱动配置上，思路类似，但细节不同。

4.1.1 Velodyne驱动配置

我个人习惯用 velodyne_driver 这个ROS包。安装很简单，直接apt或者源码编译都行。

sudo apt install ros-noetic-velodyne-driver ros-noetic-velodyne-pointcloud

装完之后，核心是配置 velodyne_driver_node 的launch文件。你需要指定雷达的IP地址、端口号、以及型号。

举个例子，我手头有一台VLP-16，它的默认IP是192.168.1.201。那我的launch文件大概长这样：

<launch>
  <node pkg="velodyne_driver" type="velodyne_driver_node" name="velodyne_driver">
    <param name="model" value="VLP16"/>
    <param name="device_ip" value="192.168.1.201"/>
    <param name="port" value="2368"/>
    <param name="frame_id" value="velodyne"/>
  </node>
</launch>

启动之后，用 rostopic echo /velodyne_points 就能看到点云数据了。如果没数据，先ping一下雷达IP，确认网络通不通。

4.1.2 RS-LiDAR驱动配置

RS-LiDAR（速腾聚创）的驱动，官方叫 rslidar_sdk。它支持多种型号，比如RS-16、RS-32、RS-80等。

配置方式稍微有点不同。你需要先下载源码，然后编译：

git clone https://github.com/RoboSense-LiDAR/rslidar_sdk.git
cd rslidar_sdk
mkdir build && cd build
cmake .. && make -j4

编译完成后，修改 config/config.yaml 文件。这里要指定雷达的型号、IP、以及点云坐标系。

lidar:
  - driver:
      lidar_type: RS16          # 根据你的型号改
      msop_port: 6699           # 默认端口
      difop_port: 7788
      start_angle: 0
      end_angle: 360
      frame_id: rslidar
      device_ip: 192.168.1.200  # 雷达IP

启动命令：

roslaunch rslidar_sdk start.launch

嗯，这里要注意，RS-LiDAR的驱动有时候会因为网络延迟丢包。我建议你检查一下网卡配置，开启巨型帧（Jumbo Frame）能改善不少。

4.2 摄像头驱动配置：USB与CSI Camera

摄像头是视觉感知的基础。Autoware里常用的摄像头有两种接口：USB和CSI（比如树莓派的摄像头）。

4.2.1 USB摄像头驱动

USB摄像头驱动，最常用的是 usb_cam 包。安装：

sudo apt install ros-noetic-usb-cam

启动节点：

roslaunch usb_cam usb_cam-test.launch

默认它会打开 /dev/video0。如果你有多个摄像头，记得修改launch文件里的 video_device 参数。

我个人习惯把分辨率设为1280x720，帧率30fps。太高了带宽扛不住，太低了图像卡顿。

<param name="image_width" value="1280"/>
<param name="image_height" value="720"/>
<param name="framerate" value="30"/>

4.2.2 CSI摄像头驱动（以树莓派为例）

CSI摄像头走的是MIPI接口，延迟比USB低。在树莓派上，驱动用 raspicam_node。

sudo apt install ros-noetic-raspicam-node

启动：

roslaunch raspicam_node camerav2_410.launch

这里有个坑：树莓派的摄像头需要先启用 raspi-config 里的Camera接口。否则驱动会报错。

嗯，CSI摄像头的图像质量通常比USB好，但布线要小心。我见过有人把排线扯断了，结果图像全是雪花。

4.3 IMU/GPS驱动配置

IMU和GPS，是自动驾驶的「耳朵」和「导航仪」。它们提供姿态、角速度、位置信息。

4.3.1 IMU驱动

IMU驱动，我用得最多的是 imu_driver 或者 xsens_imu。以常见的MPU9250为例，可以用 mpu9250_imu 包。

sudo apt install ros-noetic-mpu9250-imu

启动：

roslaunch mpu9250_imu mpu9250_imu.launch

IMU数据的关键参数是 frame_id 和 orientation。我建议你把IMU的坐标系和车体坐标系对齐，否则后续的融合算法会出问题。

4.3.2 GPS驱动

GPS驱动，常用的是 nmea_navsat_driver。它支持NMEA协议，大部分GPS模块都兼容。

sudo apt install ros-noetic-nmea-navsat-driver

启动：

roslaunch nmea_navsat_driver nmea_serial_driver.launch

你需要指定串口设备（比如 /dev/ttyUSB0）和波特率（通常是9600或115200）。

嗯，GPS信号在室内基本没用。我第一次测试时，在车库里等了五分钟没定位，后来才发现是屋顶挡住了卫星。

4.4 传感器标定基础

传感器标定，说白了就是让不同传感器「说同一种语言」。LiDAR和摄像头看到的同一个物体，坐标必须对齐。

标定分为两部分：内参标定和外参标定。

• 内参标定：校准传感器自身的参数（比如摄像头的焦距、畸变系数）。
• 外参标定：校准传感器之间的相对位置和姿态（比如LiDAR和摄像头之间的旋转和平移）。

4.4.1 摄像头内参标定

用棋盘格标定板，配合 camera_calibration 包。

rosrun camera_calibration cameracalibrator.py --size 8x6 --square 0.108 image:=/camera/image_raw camera:=/camera

你拿着标定板在摄像头前晃动，程序会自动采集角点。采集足够后，点击「CALIBRATE」，然后「SAVE」。

4.4.2 LiDAR与摄像头联合标定

这个稍微复杂一点。Autoware官方推荐用 lidar_camera_calibration 包。

你需要准备一个带有特征点的标定板（比如棋盘格或圆形靶标）。然后同时采集LiDAR点云和摄像头图像，手动选取对应点。

标定结果是一个4x4的变换矩阵，表示LiDAR坐标系到摄像头坐标系的转换。

| R   t |
| 0   1 |

其中R是旋转矩阵，t是平移向量。

嗯，这个标定过程很考验耐心。我当年标定一次花了两个小时，结果发现有一个点选歪了……后来我写了个脚本自动匹配，省了不少时间。

知识体系总览

下面这张SVG图，帮你理清本章的核心逻辑：

好了，这一章的内容就到这里。传感器驱动集成，看似琐碎，但每一步都关系到后续算法的成败。你按照上面的步骤来，应该能顺利跑通。

记住，遇到问题先检查网络、设备号、坐标系。这三个地方出错的概率最高。

可可精品资料库