企业官网建设流程全解析

1. 为什么我要折腾Livox-Mid-360加ROS2这套组合

先说结论：如果你手头有一台Livox-Mid-360，又刚好在ROS2环境下做机器人开发，想建一张能直接拿去做导航的3D点云地图，那这套流程我踩过的坑你大概率也会踩一遍。我把整个从零到出图的完整过程整理出来，包括驱动编译、时间同步、坐标系配置、点云拼接、降采样和保存，每一步都附上我实际遇到的报错和解决思路。

Livox-Mid-360这台激光雷达在圈子里口碑比较特殊。它的非重复扫描模式让点云覆盖率随时间累积提升，近距离细节丰富，价格也比同级别的多线机械式雷达友好不少。但它对时间同步和驱动版本比较敏感，尤其在ROS2环境下，官方驱动的分支管理和ROS1时代差别很大，很多人卡在编译这一步就放弃了。ROS2这边，Humble版本是目前LTS里最稳的，搭配Ubuntu 22.04是主流选择。我用的就是这套组合。

这篇文章适合谁看？如果你刚接触ROS2，跟着官方教程跑过小乌龟、发过话题、写过简单的发布订阅节点，那就可以直接上手。如果你连ROS2都没装，建议先花半天把基础环境搭好再回来。整篇内容我会尽量用大白话解释每个操作背后的原因，不只是告诉你敲什么命令，还要说清楚为什么这么敲、不这么敲会出什么问题。

提示：全文基于Ubuntu 22.04 + ROS2 Humble + Livox-Mid-360实测，其他版本组合在关键步骤上会有差异，我会在涉及的地方标注出来。

2. 环境准备与驱动选型的关键决策

2.1 系统版本和ROS2发行版怎么选

Ubuntu 22.04加ROS2 Humble是目前最省心的组合。为什么这么说？Livox官方驱动在GitHub上的ROS2分支对Humble的支持最完整，社区里遇到问题也最容易搜到答案。如果你用的是Ubuntu 20.04加Foxy，驱动也能跑，但部分依赖包的版本会对不上，需要手动降级一些库，比较折腾。Ubuntu 24.04加Jazzy理论上可行，但Livox驱动更新没那么快，我实测编译时会报一些C++标准相关的错误，需要改CMakeLists里的编译选项。

ROS2的安装方式我推荐用apt方式，也就是官方文档里那套流程。有人喜欢用一键安装脚本，确实省事，但脚本帮你做的事情你不清楚，后面出问题排查起来很被动。apt安装虽然步骤多一点，但每一步你都清楚装了什么、装到哪里去了。

安装完ROS2之后，确认几个基础工具都在：

# 检查ROS2环境 printenv | grep ROS # 应该能看到ROS_DISTRO=humble、ROS_VERSION=2等 # 确认colcon构建工具 colcon version-check # 确认rosdep sudo rosdep init rosdep update

rosdep这一步很多人会卡住，报网络相关的错误。我的经验是换个时间段多试几次，或者检查/etc/hosts里有没有异常的域名映射。这个问题没有特别好的技术解法，就是网络环境的事。

2.2 Livox SDK和ROS2驱动的安装顺序

这是第一个大坑。Livox的ROS2驱动依赖Livox SDK2，而SDK2和SDK1的API完全不兼容。网上很多教程还在讲SDK1的安装方法，你照着做，编译驱动的时候就会报一堆找不到头文件的错误。

正确的顺序是：先装Livox SDK2，再装livox_ros_driver2。SDK2的安装比较直接：

git clone https://github.com/Livox-SDK/Livox-SDK2.git cd Livox-SDK2 mkdir build && cd build cmake .. && make -j$(nproc) sudo make install

装完之后确认一下库文件位置：

ls /usr/local/lib/liblivox* # 应该能看到liblivox_sdk2.a或.so

然后是驱动。注意分支选择，livox_ros_driver2的master分支是给ROS2用的，但你要确认它支持Humble。我用的版本是驱动仓库里标注支持Humble的那个tag。克隆下来之后，不要急着编译，先改一个地方：

git clone https://github.com/Livox-SDK/livox_ros_driver2.git cd livox_ros_driver2

打开package.xml，确认里面的依赖项和你的ROS2版本匹配。然后打开CMakeLists.txt，找到find_package(rosidl_default_generators REQUIRED)这一行附近，确认消息生成的部分没有问题。我第一次编译时报错说找不到livox_ros_driver2/msg/CustomMsg，原因就是消息生成没有正确配置。

编译命令：

source /opt/ros/humble/setup.bash colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release

--symlink-install这个参数建议加上，后面你改配置文件的时候不用重新编译。-DCMAKE_BUILD_TYPE=Release也很重要，Debug模式下点云处理的性能会差很多，实时性跟不上。

注意：如果你之前装过ROS1版本的Livox驱动，一定要确认环境变量里没有残留的ROS1路径。printenv | grep ROS检查一下，如果有ROS_DISTRO=noetic之类的，先清理掉再编译。

2.3 网络配置和雷达连接

Livox-Mid-360通过网线连接，出厂默认IP是192.168.1.1XX网段。你的电脑网口需要配一个同网段的静态IP。我用的是192.168.1.50，子网掩码255.255.255.0。

在Ubuntu的网络设置里配置静态IP，或者用命令行：

# 查看网口名称，通常是enp3s0或eth0 ip link show # 配置静态IP（临时生效，重启后丢失） sudo ip addr add 192.168.1.50/24 dev enp3s0 sudo ip link set enp3s0 up

配好之后ping一下雷达：

ping 192.168.1.1XX

能ping通说明物理连接没问题。ping不通的话，检查网线、网口指示灯、防火墙设置。Ubuntu默认的ufw如果开着，可能会拦截，先关掉测试：

sudo ufw disable

3. 驱动配置与点云数据获取的实操细节

3.1 配置文件里那几个必须改的参数

livox_ros_driver2的配置文件在config/目录下，有MID360_config.json。这个文件决定了雷达怎么工作、数据怎么发布。我逐项说一下关键参数。

lidar_configs下面的ip字段，要填雷达的实际IP。data_src填1表示从雷达实时获取数据，填0表示从文件回放。publish_freq是点云发布频率，Mid-360支持最高10Hz，但实际用的时候要看你的计算平台能不能处理过来。我在一台i7-10700的机器上跑10Hz没问题，但在Jetson Orin Nano上跑10Hz就有点吃力，降到5Hz才稳定。

frame_id这个参数很重要，它决定了点云在ROS2里的坐标系名称。我习惯用livox_frame，和URDF里的link名称保持一致。如果你后面要做多传感器融合，这个frame_id要和TF树里的对应上。

xfer_format决定点云的消息类型。填0是PointCloud2格式，这是ROS2的标准格式，RViz2可以直接显示，也是我推荐的。填1是Livox自定义的CustomMsg格式，数据更紧凑，但需要额外的转换才能给其他包用。新手直接用0。

{ "lidar_configs": [ { "ip": "192.168.1.1XX", "publish_freq": 10.0, "frame_id": "livox_frame", "xfer_format": 0 } ] }

改完配置文件后，如果你编译时加了--symlink-install，直接重新source一下就行。否则要重新colcon build。

3.2 启动驱动并验证点云数据

启动命令：

source install/setup.bash ros2 launch livox_ros_driver2 rviz_MID360_launch.py

这个launch文件会同时启动驱动和RViz2。如果一切正常，RViz2里应该能看到点云。但第一次大概率不会这么顺利。

常见的情况是RViz2里Fixed Frame显示红色，点云不显示。原因通常是frame_id不匹配。在RViz2左侧的Displays面板里，把Fixed Frame改成livox_frame，点云就出来了。

如果点云出来了但很稀疏，检查publish_freq是不是设得太低，或者雷达镜头前面有遮挡物。Mid-360的视场角是360度水平、59度垂直，但安装位置如果太靠近车身，会有盲区。

用命令行验证话题：

ros2 topic list # 应该能看到/livox/lidar和/livox/imu ros2 topic hz /livox/lidar # 应该显示接近10Hz的频率 ros2 topic echo /livox/lidar --once # 查看一帧数据的字段结构

IMU数据也很重要，后面做点云去畸变会用到。Mid-360内置IMU，数据通过/livox/imu话题发布。确认一下频率，应该是200Hz。

3.3 时间同步：一个容易被忽略但影响很大的问题

Livox-Mid-360支持多种时间同步方式。默认情况下，它使用自己的内部时钟。如果你的系统里只有一个雷达，问题不大。但如果你要做多雷达拼接，或者和相机做融合，时间不同步会导致点云错位。

我推荐用PTP或者GPS同步。PTP需要你的网络交换机支持，配置起来稍微复杂。GPS同步需要额外的硬件模块。对于单雷达建图的场景，用雷达内部时钟就够了，但要在驱动配置里把timestamp_type设对。

在MID360_config.json里，timestamp_type填0表示用雷达内部时钟，填1表示用主机时间。我实测下来，单雷达建图用0就行，点云内部的时间一致性有保证。

提示：如果你发现建出来的地图有明显的重影或者拖尾，时间同步是第一个要排查的方向。

4. 点云拼接与地图构建的完整流程

4.1 坐标系配置与TF树搭建

点云拼接的核心是把不同时刻的雷达坐标系变换到同一个世界坐标系下。这需要两样东西：雷达的位姿估计，以及TF变换。

位姿估计我用的是LIO-SAM或者FAST-LIO2。这两个都是激光惯性里程计方案，输入是点云和IMU，输出是雷达的实时位姿。FAST-LIO2的计算量更小，适合嵌入式平台；LIO-SAM的建图精度更高，适合离线建图。

以FAST-LIO2为例，安装和配置：

git clone https://github.com/hku-mars/FAST_LIO.git cd FAST_LIO git checkout ROS2 colcon build --symlink-install

FAST-LIO2的配置文件在config/目录下，需要改几个地方。lid_topic改成/livox/lidar，imu_topic改成/livox/imu。extrinsic_T和extrinsic_R是雷达和IMU之间的外参，Mid-360的IMU和雷达是集成的，外参可以设为零向量和单位矩阵。

启动FAST-LIO2：

ros2 launch fast_lio mapping.launch.py

如果配置正确，RViz2里会看到点云随着雷达移动而拼接，形成地图。

4.2 点云降采样与滤波处理

原始点云数据量很大，Mid-360每秒产生约20万个点。直接拿去做建图，内存和CPU都吃不消。必须做降采样。

我常用的降采样方法是体素栅格滤波，用PCL库实现。体素大小设0.1米到0.2米之间，根据你的场景尺度调整。室内小场景用0.05米，室外大场景用0.2米。

import pcl # 读取点云 cloud = pcl.load('raw_cloud.pcd') # 体素降采样 vg = cloud.make_voxel_grid_filter() vg.set_leaf_size(0.1, 0.1, 0.1) cloud_filtered = vg.filter() # 保存 pcl.save(cloud_filtered, 'downsampled_cloud.pcd')

除了降采样，还要做离群点去除。用统计滤波或者半径滤波，去掉那些孤立的噪点。统计滤波的参数是邻居数量和标准差倍数，我一般设50个邻居、1.0倍标准差。

# 统计滤波 sor = cloud_filtered.make_statistical_outlier_filter() sor.set_mean_k(50) sor.set_std_dev_mul_thresh(1.0) cloud_inliers = sor.filter()

4.3 地图保存与格式转换

建图完成后，需要把点云保存成文件。ROS2里用pcl_ros的pcd_to_pointcloud和pointcloud_to_pcd工具，或者直接写一个保存节点。

我习惯用命令行保存：

ros2 run pcl_ros pointcloud_to_pcd input:=/cloud_registered

这个命令会把每一帧点云保存成单独的pcd文件。如果要把所有帧合并成一个完整的pcd，需要写一个简单的Python脚本：

import open3d as o3d import glob # 读取所有pcd文件 files = sorted(glob.glob('*.pcd')) clouds = [o3d.io.read_point_cloud(f) for f in files] # 合并 merged = o3d.geometry.PointCloud() for c in clouds: merged += c # 降采样 merged = merged.voxel_down_sample(voxel_size=0.1) # 保存 o3d.io.write_point_cloud('merged_map.pcd', merged)

保存成pcd之后，可以用CloudCompare或者Open3D查看。如果要给导航用，还需要转成八叉树地图格式，用octomap_server或者nav2_costmap_2d的插件。

5. 常见报错与避坑经验实录

5.1 编译驱动时的典型错误

错误一：找不到livox_sdk2的头文件

fatal error: livox_sdk2/livox_sdk.h: No such file or directory

原因：Livox SDK2没有正确安装，或者安装路径不在编译器的搜索路径里。解决方法是确认/usr/local/include/livox_sdk2/目录存在，如果不存在，重新编译安装SDK2。如果存在但还是报错，在CMakeLists.txt里手动加include路径：

include_directories(/usr/local/include) link_directories(/usr/local/lib)

错误二：rosidl生成消息失败

error: 'livox_ros_driver2/msg/custom_msg.hpp' file not found

原因：消息生成没有正确配置。检查package.xml里有没有rosidl_default_generators和rosidl_default_runtime的依赖，CMakeLists.txt里有没有rosidl_generate_interfaces的调用。如果都有，尝试清理build目录重新编译：

rm -rf build install log colcon build --symlink-install

错误三：运行时找不到动态库

error while loading shared libraries: liblivox_sdk2.so: cannot open shared object file

原因：动态库路径没有加到系统配置里。解决方法：

sudo sh -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/livox.conf' sudo ldconfig

5.2 点云显示异常的排查思路

现象一：RViz2里点云闪烁或者跳动

通常是时间戳问题。检查驱动配置里的timestamp_type，确保和你的使用场景匹配。另外检查系统时间是否准确，用date命令看一下，如果偏差太大，用sudo ntpdate同步一下。

现象二：点云颜色异常或者全是白色

PointCloud2格式的点云默认没有颜色信息，RViz2里显示为白色是正常的。如果你想要按高度着色，在RViz2的PointCloud2显示设置里，把Color Transformer改成AxisColor，选Z轴。

现象三：点云密度不均匀

Mid-360的非重复扫描模式导致近处点密、远处点疏，这是正常现象。如果觉得远处点太少，可以降低publish_freq，让每帧累积更多点。或者用多帧叠加的方式增加密度。

5.3 建图过程中的性能优化

FAST-LIO2在建图时，如果场景很大，内存占用会持续增长。我遇到过跑了一个小时后内存爆掉的情况。解决方法是在配置文件里限制局部地图的大小：

# FAST_LIO config max_iteration: 3 cube_side_length: 200.0 # 局部地图边长，单位米

cube_side_length设小一点，比如100米，内存占用会明显下降。但太小的话，回环检测会受影响。根据你的场景尺度调整。

另一个优化点是降采样。在FAST-LIO2的配置里，filter_size_surf和filter_size_map分别控制输入点云和地图点云的降采样体素大小。我一般设0.2和0.4，平衡精度和性能。

注意：降采样体素设得太大，地图细节会丢失，导航的时候可能会撞到小障碍物。室内场景建议不超过0.2米。

5.4 常见问题速查表

6. 从建图到导航的延伸思考

建好3D点云地图只是第一步。如果你要做自主导航，还需要把点云地图转成导航用的格式。ROS2的Nav2栈支持多种地图格式，最常用的是占据栅格地图和八叉树地图。

占据栅格地图是2D的，把3D点云投影到地面平面，标记每个栅格的占据状态。优点是计算量小，适合平面移动机器人。缺点是丢失了高度信息，无法处理悬空障碍物。

八叉树地图是3D的，用递归的八叉树结构存储空间占据概率。优点是内存效率高，能表示任意形状的障碍物。缺点是计算量比2D栅格大。

我一般用八叉树地图做全局规划，用局部代价地图做实时避障。octomap_server可以把点云转成八叉树地图：

ros2 run octomap_server octomap_server_node --ros-args -p resolution:=0.1 -p frame_id:=map

resolution是八叉树的分辨率，0.1米适合室内场景。frame_id要和你的TF树里的map坐标系一致。

导航参数调优是另一个大话题，涉及代价地图的膨胀半径、规划器的选择、控制器的参数等等。这部分我后面会单独写一篇，今天先把建图这条链路走通。

最后分享一个我踩过的坑：建图的时候一定要确保雷达安装牢固。我有一次雷达支架没拧紧，建出来的地图全是波浪形的，排查了半天才发现是机械振动导致的。这种问题从数据上很难看出来，但地图质量会明显下降。所以硬件安装的可靠性，永远是第一位的。